相关题目
单选题
21019.()数据标注是对文本、图像、语音、视频等待标注数据进行归类、整理、编辑、纠错、标记和批注等操作,为待标注数据增加标签,生产满足机器学习训练要求的机器可读数据编码。
单选题
21018.()增大卷积核的大小必然会提高卷积神经网络的性能。
单选题
21017.()假设在ImageNet数据集(对象识别数据集)上训练卷积神经网络。然后给这个训练模型一个完全白色的图像作为输入。这个输入的输出概率对于所有类都是相等的。
单选题
21016.()如果增加多层感知机的隐层层数,测试集的分类错误会减小。
单选题
21015.()训练CNN时,可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。
单选题
21014.()激活函数的作用为给神经元引入了非线性因素,使得神经网络可以任意逼近任何非线性函数,深层神经网络表达能力更强大,可以应用到众多的非线性模型中。
单选题
21013.()划分训练集、验证集、测试集,其划分比例一般为6:2:2。
单选题
21012.()将一个卷积神经网络的第一层的特征图可视化,能看到清晰的目标特征。
单选题
21011.()反向传播是用来训练人工神经网络的常见方法。
单选题
21010.()一定存在一个BP神经网络能够逼近给定的样本或者函数。
