A.使用sigmoid作为激活函数B.使用relu作为激活函数C.增加LeakRelu层D.对输入层做批量正则……

多项选择题如果能够获得一个人的聊天记录，预测他的下一句话说什么，可以用keras里面的什么网络模型？（）

A.GAN
B.SimpleRNN
C.LSTM
D.GRU

多项选择题关于生成式对抗网络（GAN）的说法正确的是（）。

A.GAN网络需要人工打标记
B.GAN网络中至少要两个模块，Generative Model和Discriminative Model
C.GAN网络可以生成当前的判别器无法识别真假的图片
D.GAN网络中的Generative Model和Discriminative Model共同构成了一个巨大的网络

单项选择题要对一批图片进行分类，下面几个神经网络的设计，最好的方案是（）。

A.keras.Sequential（[keras.Input（shape=（32，0）），keras.layers.Dense（64，activation=”relu”），keras.layers.Dense（128，activation=”relu”），keras.layers.Dense（10，activation=”softmax”）]）
B.keras.Sequential（[keras.layers.Conv2D（32，3，activation=”relu”），keras.layers.Flatten（），keras.layers.Dense（128，activation=”relu”），keras.layers.Dense（10，activation=”softmax”）]）
C.keras.Sequential（[keras.layers.Conv2D（32，3，activation=”relu”），keras.layers.MaxPooling2D（（2，2）），keras.layers.Conv2D（64，3，activation=”relu”），keras.layers.MaxPooling2D（（2，2）），keras.layers.Conv2D（64，3，activation=”relu”），keras.layers.Flatten（），keras.layers.Dense（128，activation=”relu”），keras.layers.Dense（10，activation=”softmax”）]）
D.keras.Sequential（[keras.layers.Conv2D（32，3），keras.layers.BatchNormalization（），keras.layers.Activation（“relu”），keras.layers.MaxPooling2D（（2，2）），keras.layers.Conv2D（64，3），keras.layers.BatchNormalization（），keras.layers.Activation（“relu”），keras.layers.MaxPooling2D（（2，2）），keras.layers.Conv2D（64，3，padding=’same’，activation=”relu”），keras.layers.Flatten（），keras.layers.Dense（128，activation=”relu”），keras.layers.Dropout（0.5）keras.layers.Dense（10，activation=”softmax”）]）

单项选择题关于卷积神经网络的说法，哪个是正确的？（）

A.卷积核如果是大小是（3，3），对（10，10）的图像卷积后，输出形状还是（10，10）
B.卷积计算输出的形状只取决于padding的方式
C.形状（10，10）的图像经过形状为（2，2）的池化核池化后输出大小是（5，5）
D.池化层输出大小取决于步长和padding的方式

单项选择题神经网络训练过程中如果进程被终止，说法正确的是（）。

A.所有训练过的可变参数都会丢失
B.无论是否保存了模型，都可以接着之前的训练结果继续训练
C.下一次训练也只能在上一次训练的电脑设备上才能继续
D.只要有检查点（checkpoint），随时可以在任意设备上继续上一次的训练