单选题 以下关于神经网络模型训练过程的说法,错误的是:

A、 根据梯度,更新每一层神经元的参数,训练结束
B、 根据标签和预测值y,计算损失函数值
C、 首先构造训练集,并将训练集划分为若干批(batch),然后将一批样本输入神经网络模型,执行正向传播运算,计算得到预测值y
D、 执行反向传播算法,计算网络中每一层上对应的梯度
下载APP答题
由4l***jg提供 分享 举报 纠错

相关试题

单选题 以下哪些措施不是解决梯度消失和梯度爆炸的有效措施:

A、批标准化
B、选择合适的激活函数
C、权重正则化
D、添加dropout层

单选题 以下哪个不是评估指标:

A、平方和函数值MSE
B、精确率precision
C、正确率acc
D、F1分数

单选题 关于下面的语句,描述错误的是: history = ann.fit(x_train, y_train, epochs = 10, batch_size=64, validation_data=(x_test, y_test))

A、该语句用于神经网络模型ann的训练
B、epochs是个超参数,指训练的轮数
C、validation_data用于模型训练结束时验证所得到模型的运行效果
D、batch_size是个超参数,指把所有样本分成多个batch时每个batch所包含的样本数量

单选题 以下是哪个激活函数的曲线

A、relu
B、tanh
C、Sigmoid
D、elu

单选题 根据以下语句: ann.add(Dense(units=12, input_dim=11, activation='relu')) 以下说法错误的是:

A、为神经网络ann增加了一个Dense层
B、这个Dense层有12个神经元组成,向下一层输出12维变量
C、Dense层又称为全连接层
D、这个Dense层是个中间隐层

单选题 混淆矩阵如下所示:

预测的值

真实的标签值

        0(负) 1(正)

0(负) 30 150

1(正) 50 100

则召回率的值是:

A、

100/150

B、

150/250

C、

100/250

D、

150/180

单选题 以下代码中的错误是(省略了各个库的import): ann = Sequential() ann.add(Dense(units=12, input_dim=11, activation='relu')) ann.add(Dense(units=24, activation='relu')) ann.add(Dense(units=1, activation='relu')) ann.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc']) history = ann.fit(x_train,y_train, epochs = 10, batch_size=64, validation_data=(x_test,y_test))

A、第4行语句定义了一个输出层,输出层的激活函数不能使用relu
B、第8行的history开头的语句中没有指定损失函数
C、第5行的compile语句中给定的参数‘acc’格式错误,不能是列表[]格式
D、第3行和第4行语句没有指定input_dim的值

单选题 混淆矩阵如下所示:

预测的值

真实的标签值

        0(负) 1(正)

0(负) 30 150

1(正) 50 100

则,精确率的值是:

A、

100/250

B、

150/250

C、

100/150

D、

150/180