人工智能復(fù)習(xí)題含參考答案

人工智能復(fù)習(xí)題含參考答案1、在處理序列數(shù)據(jù)時(shí)，較容易出現(xiàn)梯度消失現(xiàn)象的模型是（）A、CNNB、RNNC、GRUD、LSTM答案：B2、在主觀Bayes方法中，證據(jù)E支持結(jié)論H時(shí)，有（）。A、LS=0B、LSC、LS=1D、LS>1答案：D3、在Skip-gram實(shí)際實(shí)現(xiàn)的過程中，通常會(huì)讓模型接收（）個(gè)tensor輸入。A、1B、2C、3D、$4答案：C4、無監(jiān)督學(xué)習(xí)常常被用于（），用于在大量無標(biāo)簽數(shù)據(jù)中發(fā)現(xiàn)些什么。A、數(shù)據(jù)挖掘B、數(shù)據(jù)分析C、數(shù)據(jù)讀取D、數(shù)據(jù)整理答案：A5、下列（）不是多艾真體系統(tǒng)的模型A、bdi模型B、協(xié)商模型C、聯(lián)合規(guī)劃模型D、自協(xié)調(diào)模型答案：C6、統(tǒng)計(jì)描述的種類主要包括均值、百分位數(shù)、中位數(shù)、眾數(shù)、全距和方差等，（）是指如果將一組數(shù)據(jù)從小到大排序，并計(jì)算相應(yīng)的累計(jì)百分位，則某一百分位所對應(yīng)數(shù)據(jù)的值A(chǔ)、均值B、百分位數(shù)C、中位數(shù)D、眾數(shù)答案：B7、Inception模塊采用（）的設(shè)計(jì)形式，每個(gè)支路使用（）大小的卷積核。A、多通路，不同B、單通路，不同C、多通路，相同D、單通路，相同答案：A8、VGG模型于2014年被提出，是最流行的（）模型之一，在ImageNet比賽中，達(dá)到了Top5錯(cuò)誤率7.3%。A、CNNB、KNNC、RNND、DNN答案：A9、為了更好的了解需要分析的時(shí)間序列，時(shí)間序列分析通常從繪制時(shí)間序列的()開始。A、回歸曲線B、散點(diǎn)圖C、分布圖D、線性關(guān)系答案：B10、強(qiáng)化學(xué)習(xí)的回報(bào)值一個(gè)重要特點(diǎn)是具有()。A、客觀性B、主體性C、超前性D、滯后性答案：D11、HUAWEIHiAIEngine能夠輕松將多種AI能力與App集成。A、TRUEB、FALSE答案：A12、假設(shè)在龐大的數(shù)據(jù)集上使用Logistic回歸模型?？赡苡龅揭粋€(gè)問題，logistics回歸需要很長時(shí)間才能訓(xùn)練。如何提高訓(xùn)練速度?()A、降低學(xué)習(xí)率，減少迭代次數(shù)B、降低學(xué)習(xí)率，增加迭代次數(shù)C、提高學(xué)習(xí)率，增加迭代次數(shù)D、增加學(xué)習(xí)率，減少迭代次數(shù)答案：D13、決策樹中，同一路徑上的所有屬性之間是()關(guān)系A(chǔ)、因果B、相關(guān)C、邏輯或D、邏輯與答案：D14、已知函數(shù)f(x)＝1/x，則f′(－3)＝()A、4B、1212122022年1月9日C、-0.25D、-0.11111111111111答案：D15、Python中的變量var如果包含字符串的內(nèi)容，下面哪種數(shù)據(jù)類型不可能創(chuàng)建var？A、listB、stringC、charD、dict答案：C16、機(jī)器翻譯屬于下列哪個(gè)領(lǐng)域的應(yīng)用？（）A、自然語言系統(tǒng)B、機(jī)器學(xué)習(xí)C、專家系統(tǒng)D、人類感官模擬答案：A17、神經(jīng)元之間的每個(gè)連接都有（）權(quán)重。A、一個(gè)B、兩個(gè)C、多個(gè)D、無答案：A18、關(guān)于競爭型學(xué)習(xí)算法描述錯(cuò)誤的是(___)A、是一種監(jiān)督學(xué)習(xí)策略；B、每個(gè)時(shí)刻只有一個(gè)競爭獲勝的神經(jīng)元被激活；C、其他神經(jīng)元的狀態(tài)被抑制；D、ART網(wǎng)絡(luò)通過競爭型學(xué)習(xí)算法尋優(yōu)；答案：A19、只有非零值才重要的二元屬性被稱作：（）A、計(jì)數(shù)屬性B、離散屬性C、非對稱的二元屬性D、對稱屬性答案：C20、Python對not、or、and求值的優(yōu)先順序是（）。A、and、or、notB、not、and、orC、or、and、notD、or、not、nad答案：B21、以下關(guān)于算法的說法中，不正確的是A、機(jī)器學(xué)習(xí)算法分為有監(jiān)督、半監(jiān)督和無監(jiān)督三種B、卷積神經(jīng)網(wǎng)絡(luò)是重要的遷移學(xué)習(xí)算法C、決策樹算法屬于監(jiān)督學(xué)習(xí)類別D、K-Means是屬于無監(jiān)督學(xué)習(xí)算法答案：B22、在強(qiáng)化學(xué)習(xí)過程中,()表示隨機(jī)地采取某個(gè)動(dòng)作,以便于嘗試各種結(jié)果;()表示采取當(dāng)前認(rèn)為最優(yōu)的動(dòng)作,以便于進(jìn)一步優(yōu)化評估當(dāng)前認(rèn)為最優(yōu)的動(dòng)作的值。A、探索B、開發(fā)C、開發(fā)D、探索E、探索F、輸出答案：A23、Scikit-Learn中（）可以實(shí)現(xiàn)計(jì)算模型準(zhǔn)確率。A、accuracy_scoreB、accuracyC、f1_scoreD、f2_score答案：A24、當(dāng)在卷積神經(jīng)網(wǎng)絡(luò)中加入池化層(poolinglayer)時(shí)，變換的不變性會(huì)被保留，是嗎？A、不知道B、看情況C、是D、否答案：C25、以（）為中心是數(shù)據(jù)產(chǎn)品區(qū)別于其他類型產(chǎn)品的本質(zhì)特征A、客戶B、分析C、資源D、數(shù)據(jù)答案：D26、表達(dá)式int('123',8)的值為_____。A、83B、12C、84D、$84答案：A27、下面代碼運(yùn)行后，a、b、c、d四個(gè)變量的值，描述錯(cuò)誤的是？importcopya=[1,2,3,4,['a','b']]b=ac=copy.copy(a)d=copy.deepcopy(a)a.append(5)a[4].append('c')A、a==1,2,3,4,'a','b','c'],5]B、b==1,2,3,4,'a','b','c'],5]C、c==1,2,3,4,'a','b','c']]D、d==1,2,3,4,'a','b',‘c’]]答案：D28、()的目的是構(gòu)造出新特征。A、平滑處理B、特征構(gòu)造C、聚集D、離散化答案：B29、在Python編程中，字符轉(zhuǎn)換成字節(jié)的方法是A、decodeB、encodeC、upperD、rstrip答案：B30、計(jì)算智能和感知智能的關(guān)鍵技術(shù)已經(jīng)取得較大突破，弱人工智能應(yīng)用條件基本成熟。但（）的算法尚未突破，前景仍不明朗。A、視頻智能B、語音智能C、觸覺智能D、認(rèn)知智能答案：D31、GPU擅長計(jì)算密集和易于并行的程序。A、TRUEB、FALSE答案：A32、向量x=[1,2,3,4,-9,0]的L1范數(shù)是（）。A、1B、19C、6D、sqrt11答案：B33、（）用于購物籃分析、交叉銷售、商品目錄設(shè)計(jì)等商業(yè)決策領(lǐng)域。A、關(guān)聯(lián)分析B、分類分析C、聚類分析D、序列分析答案：A34、CNN卷積網(wǎng)絡(luò)中，filter尺寸的選擇多為（）A、奇數(shù)B、偶數(shù)C、整數(shù)D、分?jǐn)?shù)答案：A35、查看Atlas300(3000)加速卡驅(qū)動(dòng)是否安裝成功應(yīng)該使用哪條命令?A、npusiminfoB、npuinfoC、atlas-DriverinfoD、atlasinfo答案：A36、關(guān)于“與/或”圖表示知識(shí)的敘述，錯(cuò)誤的有（）A、用“與/或”圖表示知識(shí)方便使用程序設(shè)計(jì)語言表達(dá)，也便于計(jì)算機(jī)存儲(chǔ)處理B、“與/或”圖表示知識(shí)時(shí)一定同時(shí)有“與結(jié)點(diǎn)”和“或結(jié)點(diǎn)”C、“與/或”圖能方便地表示陳述性知識(shí)和過程性知識(shí)D、能用“與/或”圖表示的知識(shí)不適宜用其他方法表示答案：D37、若按照一定的順序依次訪問樹中的每一個(gè)結(jié)點(diǎn)，而且每個(gè)結(jié)點(diǎn)只被訪問一次，則稱這樣的操作為（）A、排序B、查找C、遍歷D、建立答案：C38、一個(gè)SVM模型存在欠擬合問題，下面怎么做能提高模型的性能？A、增大懲罰參數(shù)CB、減小懲罰參數(shù)CC、減小核函數(shù)系數(shù)（gamma值）D、增大核函數(shù)系數(shù)（gamma值）答案：A39、Python運(yùn)算符中用來計(jì)算集合并集的是_______。A、|B、&C、||D、+答案：A40、火車票搶購軟件可以在購買火車票時(shí)自動(dòng)識(shí)別并輸入圖片中的驗(yàn)證碼，所采用的技術(shù)是（）A、模式識(shí)別B、語音識(shí)別C、自動(dòng)翻譯D、智能代理答案：A41、下列哪種情況是圖靈測試的內(nèi)容？（）A、當(dāng)機(jī)器與人對話，兩者相互詢問，人分不清機(jī)器是人還是機(jī)器，說明它通過了圖靈測試B、當(dāng)機(jī)器騙過測試者，使得詢問者分不清是人還是機(jī)器時(shí)，說明它通過了圖靈測試C、當(dāng)人與人對話，其中一人的智力超過另一人時(shí)，說明智者通過了圖靈測試D、兩機(jī)對話，其中一機(jī)的智力超過另一機(jī)時(shí)，說明智者機(jī)器通過了圖靈測試答案：B42、將一個(gè)字符串格式的日期轉(zhuǎn)換為時(shí)間格式，應(yīng)使用以下哪個(gè)函數(shù)A、date_timeB、date_rangeC、to_timedeltaD、to_datetime答案：D43、目前，絕大部分?jǐn)?shù)據(jù)或數(shù)據(jù)中的絕大部分屬于()A、結(jié)構(gòu)化數(shù)據(jù)B、半結(jié)構(gòu)化數(shù)據(jù)C、非結(jié)構(gòu)化數(shù)據(jù)D、大數(shù)據(jù)答案：C44、閔可夫斯基距離表示為曼哈頓距離時(shí)，p為（）。A、1B、2C、3D、$4答案：A45、Hadoop的作者是下面哪一位()。A、MartinFowlerB、DougcuttingC、KentBeckD、GraceHopper答案：B46、在以下不同的場景中，使用的分析方法不正確的有（）。A、根據(jù)商家最近一年的經(jīng)營及服務(wù)數(shù)據(jù)，用聚類算法判斷出天貓商家在各自主營類目下所屬的商家層級B、根據(jù)商家近幾年的成交數(shù)據(jù)，用聚類算法擬合出用戶未來一個(gè)月可能的消費(fèi)金額公式C、用關(guān)聯(lián)規(guī)則算法分析出購買了汽車坐墊的買家，是否適合推薦汽車腳墊D、根據(jù)用戶最近購買的商品信息，用決策樹算法識(shí)別出淘寶買家可能是男還是女答案：B47、人工智能的發(fā)展歷程可以劃分為（）A、誕生期和成長期B、形成期和發(fā)展期C、初期和中期D、初級階段和高級階段答案：B48、關(guān)于update語句和delete語句的使用需要注意的問題，下列說法正確的是()A、使用delete語句的時(shí)候需要注意把where字句寫上，如果沒有指定WHERE子句，MySQL表中的所有記錄將被刪除B、在iris表中刪除sepal_length等于6的記錄，寫法是“delete*fromiriswheresepal_length=6C、”D、更新數(shù)據(jù)的時(shí)候可以忽略更新數(shù)據(jù)的數(shù)據(jù)類型E、每一次使用update更新數(shù)據(jù)的時(shí)候，只可以更新一個(gè)字段答案：A49、在下列人工神經(jīng)學(xué)習(xí)算法中，哪種是能夠根據(jù)期望的和實(shí)際的網(wǎng)絡(luò)輸出之間的差來調(diào)整神經(jīng)元之間連接的強(qiáng)度或權(quán)。（）A、有師學(xué)習(xí)B、無師學(xué)習(xí)C、強(qiáng)化學(xué)習(xí)D、都不是答案：A50、如果在大型數(shù)據(jù)集上訓(xùn)練決策樹。為了花費(fèi)更少的時(shí)間來訓(xùn)練這個(gè)模型，下列哪種做法是正確的？A、增加樹的深度B、增加學(xué)習(xí)率C、減小樹的深度D、減少樹的數(shù)量答案：C51、有三種方法可以幫助決策者確定決策的作用：（）、場景分析和What-If分析A、建模B、測試C、假設(shè)分析D、回歸分析答案：B52、（）函數(shù)一般用在多分類問題中，它是對邏輯斯蒂回歸logistic的一種推廣，也被稱為多項(xiàng)式邏輯斯蒂回歸模型。A、ReluB、softmaxC、TanhD、sigmoid答案：B53、將一質(zhì)地均勻的正方體骰子擲一次，觀察向上一面的點(diǎn)數(shù)，與點(diǎn)數(shù)2的差不大于1的概率是（）A、1212122022年1月2日B、1212122022年1月3日C、1212122022年2月3日D、1212122022年5月6日答案：A54、人工智能發(fā)展的第三次熱潮，是從以下哪個(gè)時(shí)間段開始的（）A、2000年后B、2006年后C、2012年后D、2015年后答案：B55、從已知事實(shí)出發(fā)，通過規(guī)則庫求得結(jié)論的產(chǎn)生式系統(tǒng)的推理方式是A、正向推理B、反向推理C、雙向推理D、目標(biāo)驅(qū)動(dòng)推理答案：A56、我們在訓(xùn)練神經(jīng)網(wǎng)絡(luò)過程中，使用梯度下降法不斷更新哪種數(shù)值，進(jìn)而使得損失函數(shù)最小化?A、樣本數(shù)目B、特征值C、超參數(shù)D、參數(shù)答案：D57、在中期圖像識(shí)別技術(shù)（2003-2012）中，索引的經(jīng)典模型是（）。A、口袋模型B、詞袋模型C、膠囊模型D、增量模型答案：B58、關(guān)于列表的說法，描述錯(cuò)誤的是（）。A、list是不可變的數(shù)據(jù)類型B、list是一個(gè)有序序列，沒有固定大小C、list可以存放任意類型的元素D、使用list時(shí)，其下標(biāo)可以是負(fù)數(shù)答案：A59、關(guān)于Python內(nèi)存管理，下列說法錯(cuò)誤的是（）。A、變量不必事先聲明B、變量無須先創(chuàng)建和賦值而直接使用C、變量無須指定類型D、可以使用del釋放資源答案：B60、AI芯片也被稱為AI加速器，是專門用于處理人工智能應(yīng)用中的大量計(jì)算任務(wù)的功能模塊。A、TRUEB、FALSE答案：A61、下面哪句話正確描述了馬爾科夫鏈中定義的馬爾可夫性A、t+1時(shí)刻狀態(tài)取決于t時(shí)刻狀態(tài)B、t-1時(shí)刻狀態(tài)取決于t+1時(shí)刻狀態(tài)C、t+2時(shí)刻狀態(tài)取決于t時(shí)刻狀態(tài)D、t+1時(shí)刻狀態(tài)和t時(shí)刻狀態(tài)相互獨(dú)立答案：A62、關(guān)于boosting下列說法錯(cuò)誤的是（）A、boosting方法的主要思想是迭代式學(xué)習(xí)。B、訓(xùn)練基分類器時(shí)采用并行的方式。C、測試時(shí)，根據(jù)各層分類器的結(jié)果的加權(quán)得到最終結(jié)果。D、基分類器層層疊加，每一層在訓(xùn)練時(shí)，對前一層基分類器分錯(cuò)的樣本給予更高的權(quán)值。答案：B63、機(jī)器學(xué)習(xí)中做特征選擇時(shí)，下面方法或信息不一定有用的是A、卡方檢驗(yàn)B、信息增益C、數(shù)據(jù)采樣D、期望交叉熵答案：C64、在Python中，令x=-3,y=5，則運(yùn)行x-=(x+y)*2//3后，x的值為（）。A、1B、-4C、3D、$2答案：B65、在pytorch中，如果主機(jī)有1塊TitanX顯卡，以下哪個(gè)選項(xiàng)中的代碼都可以將變量名為var的tensor放在GPU上運(yùn)行A%、var=var.to"cuda:0"、var=var.to"cuda:1"B、var=var.to"cuda:1"C、var=var.cuda、var=var.to"cuda:0"D、var=var.cuda、var=var.to"cuda:1""答案：C66、Atlas加速AI推理使用的是什么處理器?A、異騰910處理器B、異騰310處理器C、GPUDFPGA答案：B67、數(shù)據(jù)管理以()活動(dòng)為基礎(chǔ)。A、數(shù)據(jù)分析B、數(shù)據(jù)處理C、數(shù)據(jù)預(yù)處理D、數(shù)據(jù)可視化答案：C68、避免由于過擬合造成貌似線性可分的結(jié)果，一個(gè)解決的辦法是允許支持向量機(jī)在一些樣本上出錯(cuò)，為此引入()的概念。A、軟間隔B、正則化C、硬間隔D、核函數(shù)答案：A69、欠擬合會(huì)出現(xiàn)高（）問題A、標(biāo)準(zhǔn)差B、方差C、偏差D、平方差答案：C70、下列程序段執(zhí)行后，輸出結(jié)果是（）。n=1s=1whilenA、24B、10C、120D、$15答案：A71、智能機(jī)器人可以根據(jù)()得到信息。A、思維能力B、行為能力C、感知能力D、學(xué)習(xí)能力答案：C72、考慮某個(gè)具體問題時(shí)，你可能只有少量數(shù)據(jù)來解決這個(gè)問題。不過幸運(yùn)的是你有一個(gè)類似問題已經(jīng)預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)?？梢杂孟旅婺姆N方法來利用這個(gè)預(yù)先訓(xùn)練好的網(wǎng)絡(luò)？A、把除了最后一層外所有的層都凍結(jié)，重新訓(xùn)練最后一層B、對新數(shù)據(jù)重新訓(xùn)練整個(gè)模型C、只對最后幾層進(jìn)行調(diào)參finetuneD、對每一層模型進(jìn)行評估，選擇其中的少數(shù)來用答案：C73、Google與Facebook分別提出SimCLR與MoCo兩個(gè)算法，實(shí)現(xiàn)在（）上學(xué)習(xí)圖像數(shù)據(jù)表征。兩個(gè)算法背后的框架都是對比學(xué)習(xí)（contrastivelearning）A、標(biāo)注數(shù)據(jù)B、無標(biāo)注數(shù)據(jù)C、二維數(shù)據(jù)D、圖像數(shù)據(jù)答案：B74、閱讀以下文字：假設(shè)我們擁有一個(gè)已完成訓(xùn)練的、用來解決車輛檢測問題的深度神經(jīng)網(wǎng)絡(luò)模型，訓(xùn)練所用的數(shù)據(jù)集由汽車和卡車的照片構(gòu)成，而訓(xùn)練目標(biāo)是檢測出每種車輛的名稱（車輛共有10種類型）。現(xiàn)在想要使用這個(gè)模型來解決另外一個(gè)問題，問題數(shù)據(jù)集中僅包含一種車（福特野馬）而目標(biāo)變?yōu)槎ㄎ卉囕v在照片中的位置。（）A、除去神經(jīng)網(wǎng)絡(luò)中的最后一層，凍結(jié)所有層然后重新訓(xùn)練B、對神經(jīng)網(wǎng)絡(luò)中的最后幾層進(jìn)行微調(diào)，同時(shí)將最后一層（分類層）更改為回歸層C、使用新的數(shù)據(jù)集重新訓(xùn)練模型D、所有答案均不對答案：B75、欲動(dòng)態(tài)地給一個(gè)對象添加職責(zé)，宜采用（）模式A、適配器AdapterB、橋接BridgeC、組合positeD、裝飾器Decorator答案：D76、下面哪項(xiàng)操作能實(shí)現(xiàn)跟神經(jīng)網(wǎng)絡(luò)中Dropout的類似效果？（）A、BoostingB、BaggingC、StackingD、Mapping答案：B77、以下關(guān)于異常處理的描述，正確的是（）。A、try語句中有except子句就不能有finally子句B、Python中，可以用異常處理捕獲程序中的所有錯(cuò)誤C、引發(fā)一個(gè)不存在索引的列表元素會(huì)引發(fā)NameError錯(cuò)誤D、Python中允許利用raise語句由程序主動(dòng)引發(fā)異常答案：D78、Linux系統(tǒng)中，將加密過的密碼放到（）文件中A、/etc/shadowB、/etc/passwdC、/etc/passwordD、other答案：A79、DSSM經(jīng)典模型的缺點(diǎn)：1.Wordhashing可能造成詞語沖突；2.采用詞袋模型，損失了上下文語序信息；3.搜索引擎的排序由多種因素決定，用戶點(diǎn)擊時(shí)doc排名越靠前越容易被點(diǎn)擊，僅用點(diǎn)擊來判斷正負(fù)樣本，產(chǎn)生的噪聲較大，模型難以收斂；4.效果不可控。A、1.2.3B、1.3.4C、2.3.4D、1.2.3.4答案：D80、如果矩陣A的形狀是m×n，矩陣B的形狀是n×p，已知C=AB，則矩陣C的形狀是（）。A、p×mB、m×pC、m×nD、n×p答案：B81、關(guān)于Python和Numpy的切片，以下說法正確的是（）A、numpy數(shù)組切片得到的是數(shù)組的副本，python對列表的切片得到的是指向相同緩沖區(qū)的視圖B、python對列表的切片得到的是列表的副本，numpy數(shù)組切片得到的是指向相同緩沖區(qū)的視圖C、python對列表的切片和numpy數(shù)組切片得到的都是指向相同緩沖區(qū)的視圖D、python對列表的切片和numpy數(shù)組切片得到的都是原對象的副本答案：B82、數(shù)據(jù)科學(xué)是以各類數(shù)據(jù)為研究對象，建立在應(yīng)對（）挑戰(zhàn)的眾多關(guān)鍵技術(shù)基礎(chǔ)上的科學(xué)。A、數(shù)據(jù)處理B、數(shù)據(jù)分析C、數(shù)據(jù)壓縮D、數(shù)據(jù)收集答案：A83、設(shè)隨機(jī)變量X與Y相互獨(dú)立，且均服從區(qū)間[0,3]上的均勻分布，則P{max{X,Y}≤1}=A、1212122022年1月9日B、1212122022年2月9日C、1212122022年1月6日D、1212122022年1月3日答案：A84、pyhon中，=[1,2,3.4,5]，切片時(shí)如果要取[2,3.4]，正確的選項(xiàng)是（）A、a1:-1]B、a1:4]C、a-2:]D、a::2]答案：A85、下列關(guān)于L1和L2正則描述錯(cuò)誤的是？A、L1和L2正則的引入都能預(yù)防過擬合&B、&L1正則的引入會(huì)使得權(quán)重產(chǎn)生更多的0元素&C、&L1正則兼具特征選擇的功能&D、&L1正則項(xiàng)是非凸的，L2正則項(xiàng)是凸的答案：D86、下列哪一項(xiàng)屬于特征學(xué)習(xí)算法（）A、k近鄰算法B、隨機(jī)森林C、神經(jīng)網(wǎng)絡(luò)D、都不屬于答案：C87、在數(shù)據(jù)加工過程中，將特征值按比例縮小，使之落入一個(gè)特定的區(qū)間的方法是()A、標(biāo)準(zhǔn)化B、平滑處理C、特征構(gòu)造D、聚集答案：A88、以下哪個(gè)聚類算法不屬于基于網(wǎng)格的聚類算法（）。A、STINGB、WavelusterC、MAFID、IRH答案：D89、我國于（）年發(fā)布了《國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》.A、2016B、2017C、2018D、$2,019答案：B90、如果我們用了一個(gè)過大的學(xué)習(xí)速率會(huì)發(fā)生什么？A、神經(jīng)網(wǎng)絡(luò)會(huì)收斂B、不好說C、都不對D、神經(jīng)網(wǎng)絡(luò)不會(huì)收斂答案：D91、（）是TensorFlow的核心數(shù)據(jù)單位。A、張量B、向量C