题目内容
（请给出正确答案）
A.网中网(NIN)结构用全连接的多层感知机去代替传统的卷积，提升了模型的计算性能，但计算量显著增加
B.网络层数越多，学习率可设置偏大，否则容易引起梯度消失
C.VGG只要很少的迭代次数就会收敛，这是因为小的过滤尺寸起到了隐式的正则化的作用
D.Bagging中每个训练集互不相关，而Boosting中训练集要在上一轮的结果上进行调整，所以不能并行计算
如果结果不匹配，请 联系老师 获取答案
更多“关于深度学习模型训练，以下哪个说法是错误的()?”相关的问题
A.它是整个系统中的重要组成部分，能帮助机器人实现知识调用，通过各渠道的知识融合，并进行二次渠道分发
B.在知识库系统上线后，系统可以借助深度学习技术进行自我学习和优化，不再需要人工训练运营
C.知识库内容应覆盖尽可能多的业务问题，帮助机器人识别更多的客户意图，从而提高拒识比例
D.行业知识图谱的构建及行业知识库的打造，是实现客服平台智能化的基础
A.多层人工神经网络模型可以有很强的特征学习能力。
B.深度学习模型对原始数据有更本质的表达。
C.深度神经网络可以采用逐层训练方法进行优化。
D.训练时可以将上层训练好的结果作为下层训练过程中的初始化参数。
A.教师的首要职责是提高学生保持注意的能力
B.儿童天生就喜欢学习和善于学习
C.教育的重点是内容，而不是目的
D.教育的目的是要训练学生的基本学习能力和习惯
A.监督学习的监督体现在所有机器要处理的数据实现都要由人为定义好相应的类别,再对分类算法进行训练,最后得到可以使用的分类器
B.按照不同的学习理论划分,机器学习模型可以分为有监督学习、半监督学习、无监督学习以及强化学习等不同类型
C.有监督学习的数据集有标签,无监督相比于有监督,没有训练过程,而是直接拿数据进行建模分析
D.在实际应用中,机器学习主要以无监督学习或半监督学习方式为主
A.模型学习到了样本的一般性质
B.学习迭代次数过多
C.训练集数量级和模型复杂度不匹配，训练集的数量级小于模型的复杂度
D.训练集和测试集特征分布不一致
A.如果学习率很小，则优化成本函数将花费大量时间
B.如果学习率非常高，则梯度下降可能永远不会收敛
C.学习率是使用损失函数导数和步长来计算的
D.学习率是梯度下降算法中的超参数
