A.自监督的样本数据是无标签的B.自监督的样本数据是有标签的C.自监督学习过程只有前向推理过程D.自监督学习过程只有后向计算过程
单项选择题在模型训练得时候,下面哪些情况可通过变小学习率来缓解()
A.模型发散B.模型前向计算很慢C.训练数据损失曲线下降慢D.测试数据损失曲线值变大
单项选择题在模型训练得时候,下面哪些情况可通过变大学习率来缓解()
单项选择题对梯度暴涨描述错误的是()
A.梯度暴涨的时候,输出结果迅速变大,直到输出NanB.网络层次太深,容易发生梯度暴涨C.梯度暴涨的原因是网络在进行后向训练的时候,梯度突然变大,且越来越大导致D.降低数据量,梯度暴涨问题就会得到缓解
单项选择题下列哪些情况可能会导致梯度暴涨()
A.网络层次太深B.使用了饱和性激活函数C.学习率太小D.使用了SGD优化器
单项选择题当前主流的人工智能模型深度神经网络在训练的时候,哪一步会修改网络的权重()
A.数据预处理B.前向计算C.计算损失D.后向计算
单项选择题当前主流的人工智能模型深度神经网络一次训练的步骤为()
A.计算损失,前向计算,后向计算B.后向计算,计算损失,前向计算C.后向计算,前向计算,计算损失D.前向计算,计算损失,后向计算
单项选择题使用预训练模型的优势描述错误的是()
A.减小数据的使用量B.加快模型的收敛C.提高模型的泛化能力D.加快模型推理速度
单项选择题下面哪些问题是在人工智能模型部署到边缘计算设备时不应该考虑的()
A.边缘设备支持的网络结构B.边缘设备的算力C.边缘设备的工作环境D.边缘设备上模型的泛化能力
单项选择题人工智能模型进行边缘端部署的优势描述错误的是()
A.数据处理的实时性更高B.可以不依赖网络,适合在一些无网络的环境C.模型版本设计更方便D.分摊计算,降低服务器的计算压力
单项选择题人工智能模型进行云端部署的优势描述错误的是()
A.数据传输到模型延迟低B.模型版本升级更方便C.对客户端的算力要求更低D.模型技术保密性更高