神经网络中梯度下降法的训练步骤通常如何? 1. 根据样本预测值和真实值之间的误差,计算损失函数 2. 迭代更新,直到模型整体误差小于阈值或者达到预定的迭代次数 3. 把样本输入给模型,得到预测值 4. 初始化模型的参数,如权重和偏差等 5. 反向传播,按照梯度下降的方向改变神经元相应的权重值
A. 1, 2, 3, 4, 5
B. 5, 4, 3, 2, 1
C. 3, 2, 1, 5, 4
D. 4, 3, 1, 5, 2
关于卷积神经网络中池化处理(pooling) 的说法正确的是
A. 在卷积神经网络中,卷积的下一步通常是进行池化处理(pooling)
B. 池化处理主要是对不同位置的特征进行聚合统计
C. 池化处理起到了减少了参数和降维的作用
D. 常用的池化做法是对每个滤波器的输出求最大值、平均值等