题目内容
(请给出正确答案)
[单选题]
下列的哪种方法可以用来降低深度学习模型的过拟合问题()?1增加更多的数据;2使用数据扩增技术;3使用归纳性更好的架构;4正规化数据;5降低架构的复杂度
A.145
B.123
C.1345
D.所有项目都有用
查看答案
如果结果不匹配,请 联系老师 获取答案
A.145
B.123
C.1345
D.所有项目都有用
A.145
B.123
C.1345
D.所有项目都有用
A.EM算法是常用的估计参数隐变量的利器
B.EM算法即是期望最大化算法
C.EM算法常被用来学习高斯混合模型的参数
D.EM算法是一种迭代式的方法
A.MXNel
B.Keras
C.PyTorch
D.Tensorf1ow
A.将数据分组部署在不同GPU上进行训练能提高深度神经网络的训练速度。
B.TensorFlow使用GPU训练好的模型,在执行推断任务时,也必须在GPU上运行。
C.将模型中的浮点数精度降低,例如使用float16代替float32,可以压缩训练好的模型的大小。
D.GPU所配置的显存的大小,对于在该GPU上训练的深度神经网络的复杂度、训练数据的批次规模等,都是一个无法忽视的影响因素