题目内容
（请给出正确答案）
A.在卷积神经网络中，采用平均池化可减小误差，适用于需要突出纹理等特征的场景中
B.ResNet通过增加恒等映射，增加参数从而减少模型优化的难度，实现性能提升
C.空间金字塔池化(SPP)通过把图像的卷积特征转化成相同维度的特征向量，使模型可以处理任意尺寸的图像
D.批规范化(batchnormalization)是在不引入新参数的情况下保证每一层网络的输入具有相同的分布
如果结果不匹配，请 联系老师 获取答案
更多“下面关于深层网络模型的介绍中，哪个说法是正确的()?”相关的问题
A.OpenVINO对模型训练具有显著性能提升
B.经过OpenVINO的模型优化可以提升模型准确率
C.OpenVINO除支持C++外，还支持Python语言接口
D.OpenVINO在使用前需要经过Intel官方购买并授权
A.学习率控制每次更新参数的幅度,学习率越大模型准确率越高
B.固定学习率比Adam自动调整学习率更快训练完成
C.过高的学习值会使损失值不降反升
D.学习率对模型训练时长有影响，对模型性能没有影响
A.推理引擎(InferenceEngine)支持硬件指令集模型加速，然后进入模型优化环节
B.对OpenCV图像处理库进行指令集优化，显著提升性能
C.推理引擎将给定的模型转化为标准的IntermediateRepresentation(IR)
D.推理引擎使用插件架构，每个插件的API各不相同
A.“取代假说”认为互联网取代了现实的社交活动和强联系，从而提升幸福感
B.“激励假说”认为互联网会增强人们在现实生活中的友谊及幸福感
C.“富者更富假说”认为内向不擅长社交的人们能够通过使用网络获得更多的社交收益
D.“社会补偿假说”认为不擅长社交的人通过互联网提升了社交门槛
A.IR完全与硬件无关，只取决于神经网络的架构
B.model.xml中XML文件包含网络架构
C.model.bin文件包含权重参数
D.OpenVINO的推理除了支持IR格式外，还支持PB格式模型
A.如果训练样本量较大，可选用随机梯度下降(SGD)，它考虑历史梯度信息，更容易跳出局部极小值点
B.在高度非凸的深度网络优化过程，主要难点是鞍点
C.用无监督数据作分层预训练(Layer-wisePre-train)有助于解决梯度饱和问题
D.Sigmoid交叉熵损失函数适合于多标签学习，每一维彼此独立
A.网络设备的移动、添加和修改的管理开销减少
B.可以控制广播活动
C.可提高网络的安全性
D.提高网络数据的传输速度
E.VLAN是一种比较新的技术，工作在OSI参考模型的第二层和第三层
A.OpenVINO对CPU的支持是从第3代开始
B.OpenVINO支持Windows操作系统
C.OpenVINO支持Linux操作系统
D.OpenVINO支持Ubuntu和macOS操作系统
A.生成模型的输入可以是随机数
B.对抗生成网络包含生成模型与判别模型
C.判别模型需要输入带标签的真实样本
D.对抗生成网络不能用来产生新的图片
A.高、中、低压防喘抽气阀在启机过程中都会打开。
B.高、中、低压防喘抽气阀在停机过程中都会打开。
C.低压防喘抽气阀在启机过程中不会打开。
