网友您好， 请在下方输入框内输入要搜索的题目：
题目内容
（请给出正确答案）
神经网络训练过程中的哪些现象表明可能出现了梯度爆炸?( )
A.模型梯度快速变大
B.模型权重变为NaN值
C.每个节点和层的误差梯度值持续超多1.0
D.损失函数持续减小
参考答案
更多 “ 神经网络训练过程中的哪些现象表明可能出现了梯度爆炸?( ) A.模型梯度快速变大B.模型权重变为NaN值C.每个节点和层的误差梯度值持续超多1.0D.损失函数持续减小 ” 相关考题
考题
下面关于长短期记忆神经网络LSTM的描述中，正确的说法是哪些？A．LSTM中通过引入输入门、遗忘门、输出门解决了RNN中存在的梯度消失和梯度爆炸B．LSTM中门的开关程度是由信息的权重决定的，即训练过程中记住重要信息C．与RNN相比，LSTM中引入更多参数，所以其训练周期更久D．LSTM中使用Sigmoid实现门限控制，而用TanH实现数据处理
考题
下列关于循环神经网络的说法哪个是错误的___A．普通RNN容易出现梯度消失问题B．普通RNN容易出现梯度爆炸问题C．LSTM网络结构相对普通RNN网络解决了梯度爆炸问题，但没有很好解决梯度消失问题D．循环神经网络RNN和LSTM等模型，则因为其模型结构特点可以更好地应用于时序相关的问题场景
考题
下面关于BP神经网络的训练的说法中，正确的说法是哪个？A．BP神经网络的训练过程中，先进行后向传播再进行前向传播B．通过损失函数对后向传播结果进行判定C．通过前向传播过程对权重参数进行修正D．训练过程中权值参数的运算量很大，一般采用梯度下降法
考题
BP神经网络在训练过程中，损失函数可能比较大，但随着训练的进行，损失函数基本不变化了，这种现象说明神经网络陷入全局最优解
热门标签
最新试卷