如果结果不匹配，请 
更多“以下哪种不属于神经网络模型的训练过程？（）”相关的问题
第1题
有关深度神经网络的训练（Training）和推断（Inference），以下说法中不正确的是：（）。
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
第2题
以下关于人工神经网络（ANN）的描述错误的有（）。
A.神经网络对训练数据中的噪声非常鲁棒
B.可以处理冗余特征
C.训练ANN是一个很耗时的过程
D.至少含有一个隐藏层的多层神经网络
第3题
依据医学模拟技术的衍化和参与教学的过程，模拟教具由低级到高级可以分为五个阶段，以下哪项不属于模拟教具()
A.示教图片
B.局部功能训练模型
C.计算机辅助训练模型
D.虚拟现实和触觉感知系统
E.生理驱动型模拟或全方位模拟系统
第4题
在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题（）。
A.增加训练集量
B.减少神经网络隐藏层节点数
C.删除稀疏的特征
D.SVM算法中使用高斯核/RBF核代替线性核
第8题
假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置（）。
A.除去神经网络中的最后一层，冻结所有层然后重新训练
B.对神经网络中的最后几层进行微调，同时将最后一层（分类层）更改为回归层
C.使用新的数据集重新训练模型
D.所有答案均不对
第9题
假设拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置（）。
A.除去神经网络中的最后一层，冻结所有层然后重新训练
B.对神经网络中的最后几层进行微调，同时将最后一层（分类层）更改为回归层
C.使用新的数据集重新训练模型
D.所有答案均不对
第10题
在超参数搜索过程中，只照顾一个模型（使用熊猫策略）还是一起训练大量的模型（鱼子酱策略）在很大程度上取决于？（）
A.是否使用批量（batch）或小批量优化（mini-batchoptimization）
B.神经网络中局部最小值（鞍点）的存在性
C.拥有多大的计算能力
D.需要调整的超参数的数量
