项目三单元测试
- MNIST数据集中测试标签的长度是（ ）。
- MNIST数据集中的图像是。（ ）
- 加载现有模型进行预测时，可以使用以下哪种数据格式？（ ）
- tensorflow.keras中下载MNIST数据集，以下代码哪个是正确的？（ ）
- Relu激活函数的优点是。（ ）
- MNIST数据集中的图像是。（ ）
- one-hot编码的优点包括？（ ）
- 图像归一化的好处包括。（ ）
- 下面哪些是onehot编码的缺陷？（ ）
- 一般来说，神经网络的架构可以分为三类（ ）
- One-Hot编码，又称为N位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。（ ）
一般基于参数的模型或基于距离的模型，都是要进行特征的归一化。（ ）
- MNIST数据集是手写的数字图像数据集。（ ）
A:10000 B:32 C:60000 D:28
答案:10000
A:印刷体数字 B:手写英文字母 C:手写印刷体数字 D:手写数字
A:TXT文件 B:所有格式都可以 C:CSV文件 D:NPY文件
A:tensorflow.keras.mnist.load_data() B:tensorflow.keras.datasets.mnist.load_data() C:tensorflow.keras.datasets.load_data() D:tensorflow.datasets.mnist.load_data()
A:对于随机梯度下降的收敛有加速作用 B:导致数据多样化丢失 C:当x小于0时，流过这个神经元的梯度变成0 D:是饱和的公式
A:二值图像 B:灰度图像 C:彩色图像 D:视频图像
A:解决了特征是离散稀疏的 B:解决了分类器不好处理离散数据的问题 C:在一定程度上也起到了扩充特征的作用 D:把词向量的维度变小
A:转换成标准模式，防止仿射变换的影响 B:减小几何变换的影响 C:加快梯度下降求最优解的速度 D:减小噪声影响
A:忽略了真实数据之间的相关性 B:将离散特征通过one-hot编码映射到欧式空间 C:类别数量很多时，onehot向量会过长 D:使用onehot编码可以解决分类问题中的标签之间的距离问题
A:循环神经网络 B:对称连接网络 C:前馈神经网络 D:选择神经网络
A:对 B:错
A:对 B:错
A:对 B:错
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
