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
