激活函数ReLU的图像是（）。

单项选择题下面哪种情况会带来神经网络优化求解中的梯度消失的问题？（）

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化（BatchNormalization）

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