登陆题目详情
单选题 对输入数据归一化的核心目的是
学科：默认课程
时间：2026-04-14 02:49:43
相关题目
相关作业
题目1单选题
输入784节点,输出10节点的网络最可能用于A. 手写数字分类(0-9)B. 时间序列预测C. 图像回归任务D. 二分类情感分析
题目2单选题
PyTorch中实现数据分批的类是A. DataLoaderB. DatasetC. TensorDatasetD. BatchSampler
题目3单选题
某全连接网络输入层784节点,隐藏层512节点,输出层10节点,总参数量为A. 784×512 + 512×10B. 784 + 512 + 10C. ×512 + (512+1)×10D. 784×512×10
题目4单选题
对输入数据归一化的核心目的是A. 减少测试集误差B. 统一数据分布,加速收敛C. 增加数据多样性D. 降低模型复杂度
题目5单选题
以下关于全连接神经网络(FCNN)的描述,正确的是A. 每个神经元与相邻层的所有神经元连接B. 同一层的神经元之间互相连接C. 每个神经元仅与下一层的部分神经元连接D. 网络层数必须大于3层
题目6单选题
反向传播的正确流程是A. 更新参数→前向计算损失→反向传播梯度B. 反向传播梯度→前向计算损失→更新参数C. 随机初始化→更新参数→反向传播D. 前向计算损失→反向传播梯度→更新参数
题目7单选题
当网络输出层未使用激活函数(如直接输出logits),且任务是三分类问题时,应选择哪个损失函数A. BCELossB. MSELossC. BCEWithLogitsLossD. CrossEntropyLoss
题目8单选题
梯度累加的主要作用是A. 动态调整学习率B. 减少显存占用C. 提高测试精度D. 加速反向传播
题目9单选题
学习率衰减的主要目的是A. 缓解后期过拟合B. 防止训练初期震荡C. 加速前向传播D. 提高模型容量
题目10单选题
在PyTorch中实现梯度累积的正确代码逻辑是A. 手动累加梯度并跳过optimizer.step()B. 每次loss.backward()后立即调用optimizer.step()C. 累积损失值后再调用一次backward()D. 多次loss.backward()后调用一次optimizer.step()
下载 题海APP
拍照搜题更快捷
- 海量题库
- 无搜索限制
- 快捷拍照搜题
