关于生成式对抗网络（GAN）的说法正确的是（）。

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

多项选择题关于model.fit（）函数的选项说明正确的是（）。

A.这个参数中的x和y是必选项，不能省略
B.参数epochs是必选项
C.epochs表示数据被训练的次数，数据量小的时候这个值可以调大
D.shuffle可以将数据打乱后进行训练，默认开启了这个功能

单项选择题用keras接口训练神经网络并进行预测的步骤正确的是（）。

A.创建model->fit（）->predict（）
B.创建model->compile（）->fit（）->evaluate（）->predict（）
C.创建model->fit（）->compile（）->predict（）
D.创建model->compile（）->fit（）->evaluate（）