![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习笔试面试题
cxykk1217
这个作者很懒,什么都没留下…
展开
-
深度学习笔试、面试题 一
1、神经网络模型(Neural Network)因受人类大脑的启发而得名,神经网络由许多神经元(Neuron)组成,每个神经元接受一个输入,对输入进行处理后给出一个输出,如下图所示。请问下列关于神经元的描述中,哪一项是正确的? A 每个神经元可以有一个输入和一个输出B 每个神经元可以有多个输入和一个输出C 每个神经元可以有一个输入和多个输出D 每个神经元可以有多个输入...原创 2018-10-19 22:28:23 · 37112 阅读 · 1 评论 -
深度学习笔试、面试题 三
1、声明1:可以通过将所有权重初始化为0 来训练网络。声明2:可以通过将偏差初始化为0来很好地训练网络以上哪些陈述是真实的?A 1对2错B 1错2对C 1和2都对D 1和2都错正确答案是: B解析:即使所有的偏差都为零,神经网络也有可能学习。 另一方面,如果所有的权重都是零; 神经网络可能永远不会学习执行任务。具体可查看这里博客2、对于MLP,输入层中的节...原创 2018-10-26 20:05:33 · 14905 阅读 · 1 评论 -
深度学习笔试、面试题 二
1、梯度爆炸问题是指在训练深度神经网络的时候,梯度变得过大而损失函数变为无穷。在RNN中,下面哪种方法可以较好地处理梯度爆炸问题?A 用改良的网络结构比如LSTM和GRUsB 梯度裁剪C DropoutD 所有方法都不行正确答案是: B解析:为了处理梯度爆炸问题,最好让权重的梯度更新限制在一个合适的范围。LSTM可以解决梯度消失问题,但是不适于解决梯度爆炸问题2...原创 2018-10-24 20:29:47 · 8434 阅读 · 1 评论