对于非连续目标在深度神经网络的优化过程中，下面哪种梯度下降方法是最好的？（）

A.优化凸目标函数

B.只能在随机梯度下降的情况下进行训练

C.可以混合使用不同的激活功能

D.以上均不是

A.Word2vec是无监督学习

B.Word2vec利用当前特征词上下文信息实现词向量编码，是语言模型的副产品

C.Word2vec能够表示词汇之间的语义相关性

D.Word2vec没有使用完全的深度神经网络

E.Word2vec可以采用负采样的技术在大词表上优化计算

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.损失函数

B.优化函数

C.激活函数

D.目标函数

A.损失函数

B.优化函数

C.激活函数

D.目标函数

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

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

对于连续配筋混凝土路面，在路表修整和拆模养生过程中，下列说法正确的是()

A修整时要与上次抹过痕迹重叠一半，在板面低洼处要补填砂浆

B达到设计强度后，可用毛刷拉毛或用刻纹机使表面达到设计要求的纹理深度

C模板达到一定强度方可拆模，一般是根据气温条件按小时数控制

D拉毛结束后，立即用塑料薄膜覆新鲜混凝土表面

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

A.Adam的收敛速度比RMSprop慢

B.相比于SGD或RMSprop等优化器，Adam的收敛效果是最好的

C.对于轻量级神经网络，使用Adam比使用RMSprop更合适

D.相比于Adam或RMSprop等优化器，SGD的收敛效果是最好的

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