A.其他选项都不对
B.没啥问题,神经网络会正常开始训练
C.神经网络可以训练,但是所有的神经元最后都会变成识别同样的东西
D.神经网络不会开始训练,因为没有梯度改变
第1题:
7、哪个权重的取值或调整方法不能改善卷积神经网络的训练和性能?
A.He初始化
B.dropout
C.batch normalization
D.任意随机初始化
第2题:
【单选题】在一个神经网络里,知道每一个神经元的权重和偏差是最重要的一步。如果以某种方法知道了神经元准确的权重和偏差,你就可以近似任何函数。实现这个最佳的办法是()
A.随机赋值,祈祷它们是正确的
B.搜索所有权重和偏差的组合,直到得到最佳值
C.赋予一个初始值,通过检查跟最佳值的差值,然后迭代更新权重
D.以上都不正确
第3题:
哪个权重的取值或调整方法不能改善卷积神经网络的训练和性能?
A.He初始化
B.dropout
C.batch normalization
D.任意随机初始化
第4题:
在一个神经网络里,知道每一个神经元的权重和偏差是最重要的一步。如果以某种方法知道了神经元准确的权重和偏差,你就可以近似任何函数。实现这个最佳的办法是什么?
A.随机赋值,祈祷它们是正确的
B.搜索所有权重和偏差的组合,直到得到最佳值
C.赋予一个初始值,通过检查跟最佳值的差值,然后迭代更新权重
D.都不正确
第5题:
在一个神经网络里,确定每一个神经元的权重和偏差是重要的一步。如果以某种方法确定了神经元准确的权重和偏差,你就可以近似任何函数。实现这个最佳的办法是什么?
A.根据经验随机赋值
B.搜索所有权重和偏差的组合,直到得到最佳值
C.赋予一个初始值,然后迭代更新权重,直至代价函数取得极小。
D.其他都不正确