题目内容
(请给出正确答案)
[单选题]
假设有一个5层的神经网络在4GB显存的GPU上训练了5个小时,在测试时,单个数据点需要花费2s时间。现在改变网络结构,在第二层到第四层分别以0.2和0.3的概率增加dropout,请问新的网络结构测试时间是多少()
A.少于2s
B.2s
C.多于2s
D.不一定
答案
B、2s
如果结果不匹配,请 联系老师 获取答案
A.少于2s
B.2s
C.多于2s
D.不一定
B、2s
A.少于2s
B.大于2s
C.仍是2s
D.说不准
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
A.需要一个神经网络控制器
B.需要一个神经网络控制器及一个神经网络辨识器
C.需要两个神经网络控制器及一个神经网络辨识器
D.需要一个神经网络控制器及两个神经网络辨识器
A.60、20
B.80、40
C.40、20
D.40、30
在构建一个神经网络时,batchsize通常会选择2的次方,比如256和512,这是为什么呢?()
A.当内存使用最优时这可以方便神经网络并行化
B.当用偶数是梯度下降优化效果最好
C.这些原因都不对
D.当不用偶数时,损失值会很奇怪
A.Dropout
B.分批归一化(BatchNormalization)
C.正则化(regularization)
D.都可以
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