A. 仅配置数字;
B. 仅配置字母;
C. 使用核心的词汇或词组来配置
D. 针对任一问题来提取关键词配置
解析:见算法解析
A. 文字
B. 图
C. 表格
D. 树
A. 人工神经网络
B. 自动控制
C. 自然语言学习
D. 专家系统
解析:自动控制不属于人工智能应用
A. 每一张图片都是二值图片
B. 每一张图片都是三通道图片
C. 模型一次处理224张图片(batchsize为224)
D. 以上选项均不正确
解析:TensorFlow读入图片统一为三通道
A. 一种专门用于处理人工智能应用中大量计算任务的芯片
B. 能够更好地适应人工智能中大量矩阵运算
C. 目前处于成熟高速发展阶段
D. 相对于传统的CPU处理器,智能芯片具有很好的并行计算性能
A. 给定标签
B. 离散
C. 分类
D. 回归
解析:在监督学习中,预测变量离散,称为分类,预测变量连续,称为回归,两者本质一样,都是对输入做预测,不过分类输出的是物体所属的类别,回归输出的是物体的值。答案选D
A. 数据库即服务
B. 虚拟服务
C. 弹性计算
D. 按需服务
A. 基于价值(value-based)
B. 基于策略(policy-based)
C. 基于模型(model-based)
D. nan
解析:见算法解析
A. 不同的神经网络结构,层数与神经元数量正相关,层数越多,神经元数量越多
B. 网络结构的层次越深,其学习特征越多,10层的结构要优于5层结构
C. 深层网络结构中,学习到的特征一般与神经元的参数量有关,也与样本的特征多少有关
D. 网络的层次越深,其训练时间越久,5层的网络比4层的训练时间长
解析:不同训练数据集的神经网络结构的最优层数不同,并非层数越深效果越好,训练时间除了与层数有关以外,batchsize大小、学习率、衰减方式等都有很大影响,神经元的数量并不一定与层数正相关