以下说法正确的是()
A.增加模型复杂度,模型在测试集上的准确率就能更好
B.L2正则化的解通常是稀疏的,L1正则化可以使得参数趋向于更平滑
C.对于PCA,我们应该选择是的数据具有最小Variance的主成分
D.每次使用K-means算法得到的聚类结果可能会不一样
D、每次使用K-means算法得到的聚类结果可能会不一样
A.增加模型复杂度,模型在测试集上的准确率就能更好
B.L2正则化的解通常是稀疏的,L1正则化可以使得参数趋向于更平滑
C.对于PCA,我们应该选择是的数据具有最小Variance的主成分
D.每次使用K-means算法得到的聚类结果可能会不一样
D、每次使用K-means算法得到的聚类结果可能会不一样
第1题
A.一个机器学习模型,如果有较高准确率,总是说明这个分类器是好的
B.如果增加模型复杂度,那么模型的测试错误率总是会降低
C.如果增加模型复杂度,那么模型的训练错误率总是会降低
第2题
A.将深信服安全产品部署到深信服云平台是基于NFV技术实现的
B.将深信服安全产品部署到云平台上会导致安全产品性能降低
C.将深信服多种安全产品部署到统一的云平台上会增加客户的IT管理复杂度
D.将深信服安全产品部署到云平台上对与提升云平台的安全性能没有帮助
第4题
A.将数据分组部署在不同GPU上进行训练能提高深度神经网络的训练速度。
B.TensorFlow使用GPU训练好的模型,在执行推断任务时,也必须在GPU上运行。
C.将模型中的浮点数精度降低,例如使用float16代替float32,可以压缩训练好的模型的大小。
D.GPU所配置的显存的大小,对于在该GPU上训练的深度神经网络的复杂度、训练数据的批次规模等,都是一个无法忽视的影响因素
第5题
A.模型学习到了样本的一般性质
B.学习迭代次数过多
C.训练集数量级和模型复杂度不匹配,训练集的数量级小于模型的复杂度
D.训练集和测试集特征分布不一致
第6题
下列的哪种方法可以用来降低深度学习模型的过拟合问题()?1增加更多的数据;2使用数据扩增技术;3使用归纳性更好的架构;4正规化数据;5降低架构的复杂度
A.145
B.123
C.1345
D.所有项目都有用
第7题
A.145
B.123
C.1345
D.所有项目都有用
第9题
A.普通用户及特权用户的口令长度要求都是一样的,至少6个字符
B.口令不能和帐号或者帐号的道序相同
C.口令不能包含空格
D.口令不能包含数字
第10题
A.单层感知器的局限在于不能解决异或问题
B.前馈神经网络可用有向无环图表示
C.随着神经网络隐藏层数的增加,模型的分类能力逐步减弱
D.前馈神经网络同一层的神经元之间不存在联系
第11题
A.基于数据库数据复制的应用复杂度最高
B.只有磁盘阵列复制对生产系统性能无影响
C.除磁盘阵列复制技术以外,其他三种技术都可以支持异构资源池的灾备
D.全部技术都支持同步和异步的实时性要求