深度学习之瑞士军刀-pytorch入门第六章测试_智慧树知到答案2021年

第六章 Pytorch神经网络进阶：本章大致介绍了深度神经网络中几种常见的模型，CNN，RNN，LSTM，DQN和GAN，重点介绍了在图像处理领域的经典模型CNN，上面的模型基本都用代码进行了实现，是深度学习中的进阶内容，大家学起来可能会有些吃力，本章只是大致进行了介绍，很多的细节需要同学们在课下进行扩展。6.1Optimizer 优化器:本节课我们比较了几种不同的优化器的效果，用代码实现了它们，最后用图像进行了几种不同的优化器的对比。
6.2CNN简介:本节课我们介绍了在图像处理领域常用的方法卷积神经网络的相关知识，介绍了其基本的结构知识和发展历程。
6.3RNN简介:本节课为大家介绍了循环神经网络的内容，对其基本的结构做出了阐述，为大家对RNN的入门起着引导的作用。
6.4LSTM简介:本节课对RNN的特例LSTM做出了基本的介绍，讲述了其基本的工作原理。
6.5DQN简介:本节课为大家介绍了深度强化学习的相关内容，介绍了其中的公式，起到入门的作用。
6.6GAN简介:本节课大致介绍了生成对抗网络的相关内容，对其发展和优缺点做出了阐述。

[判断题]LeCun确立了CNN的现代结构。
对
错
答案：对
[判断题]卷积层常用的激活函数是relu。
错
对[判断题]池化层常用到的3种循环方法是LP池化，混合池化，随机池化。
错
对[判断题]CPU和GPU集群能够加速神经网络的训练进程。
错
对[判断题]当序列很长的时候RNN会出现梯度消失问题。
对
错[单选题]Fullconnected layer指的是（ ）。
全连接层

卷积层

池化层

激励层
[判断题]全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。
错
对[判断题]RNN在解决序列问题时遇到梯度消失的问题，一般采用的是LSTM进行解决。
错
对[单选题]LSTM在哪一年被提出（ ）。
1998

1996

1997

1999
[判断题]监督学习处理的是有标签的数据
错
对