什么是张量？深度学习中常用的张量维度有哪些？(513)我的答案：
(514)深度学习中用于表示数据的基本结构，是一种多维数组的泛化0维标量1维向量、
标签、权重等
(515)
(516)2维表格数据、全连接层输入输出3维序列数据、词嵌入4维图像数据5维
视频、3D图像
(517)
(518)正确答案：
(519)张量是多维数组，是深度学习的基本数据结构。常用维度：标量（0维）、向量（1维）、
矩阵（2维）、3维张量（如视频帧）、4维张量（如图像批量数据，形状为[批量大小，
高度，宽度，通道数]）。
(520)
(521)AI讲解
(522)75.(简答题)对比TensorFlow和PyTorch框架的主要特点及适用场景
(523)我的答案：
(524)计算图机制静态计算图（定义好后才能运行）动态计算图（边运行边构建，灵活易
调试）
(525)
(526)易用性初期复杂，后期通过Keras简化（较易用）接近Python风格，代码直观，
易于上手
(527)
(528)调试方式相对不直观，调试难度较大动态图支持nativePython调试
(529)
(530)正确答案：
(531)TensorFlow适合生产部署，静态图优化高效，适合工业级应用；PyTorch动态图灵活，
易于调试，适合研究和快速迭代。场景：前者用于模型上线（如Google翻译），后者用于
学术研究（如NLP新模型开发）。
(532)
(533)AI讲解
(534)76.(简答题)前馈神经网络的核心结构是什么？简述其信号传播过程
(535)我的答案：
(536)输入层隐藏层输出层激活函数
(537)
(538)输入数据传入输入层，在每层进行线性变换非线性激活层层传递直到输出层
(539)
(540)正确答案：
(541)核心结构：输入层、隐藏层、输出层，层间全连接。信号传播：输入经权重矩阵线性
变换，加偏置后经激活函数非线性变换，逐层传递至输出层，输出预测结果。
(542)
(543)AI讲解
(544)77.(简答题)激活函数的作用是什么？列举三种常见激活函数并说明其特点。
(545)我的答案：
(546)作用:为网络引入非线性，使多层网络能拟合复杂函数
(547)
(548)Siqmoi
(549)
(550)ReLU:输出max(0,x)，计算快，缓解梯度消失，常用隐藏层;
(551)
(552)Tan
(553)
(554)正确答案：
(555)作用：为网络引入非线性，使多层网络能拟合复杂函数。
(556)
(557)Sigmoid：输出(0,1)，易梯度消失，用于二分类输出层；
(558)
(559)ReLU：输出max(0,x)，计算快，缓解梯度消失，常用隐藏层；
(560)
(561)Tanh：输出(-1,1)，中心化输出，适合处理对称数据。
(562)
(563)AI讲解
收藏
