单选题 在PyTorch计算机视觉目标检测代码中，函数`rescale_bboxes(out_bbox, size)`的作用是将模型输出的归一化边界框坐标转换为原始图像尺寸下的坐标。已知`out_bbox`为归一化后的[cx, cy, w, h]格式，且`size=(img_w, img_h)`为原始图像宽高。下列哪一项最准确地描述了该函数的实现逻辑？

单选题 在人工神经网络中，输出层节点的数量如何确定？ 若任务是预测一个具有5个可能类别的分类变量，则输出层应包含多少个节点？

单选题 在PyTorch实现的反向传播过程中，利用链式法则计算损失对权重的梯度后，权重更新公式为“更新后的权重 = 原始权重 - 学习率 × 损失关于权重的梯度”。该更新方式的核心优势在于：

单选题 在《8_PyTorch计算机视觉实战：目标检测、图像处理与深度学习》一书中，哪一部分内容主要涵盖自编码器模型和各类GAN模型的原理与应用？

单选题 在神经网络训练过程中，前向传播的主要作用是什么？

单选题 在使用链式法则计算神经网络中权重 $$w_{11}$$ 对均方误差损失 $$C$$ 的梯度时，已知输入为 $$\{1,1\}$$，期望输出为 $$\{0\}$$，预测输出 $$\hat{y} = 1.235$$，且 $$w_{21}$$、$$a_{11}$$ 为中间变量。根据章节中推导的链式法则表达式 $$\frac{\partial C}{\partial w_{11}} = -2 \times (y - \hat{y}) \times w_{21} \times a_{11} \times (1 - a_{11}) \times x_1$$，下列哪一项正确描述了该梯度计算的核心优势？

单选题 在神经网络中，若需对图像分类任务（如识别0~9数字）的10个输出类别进行概率归一化，应选用以下哪种激活函数？

单选题 在人工神经网络（ANN）的训练过程中，通过调整网络权重使其能够从输入准确预测输出的机制被称为？

单选题 在PyTorch中，若要实现张量的自动梯度计算以支持反向传播，下列哪种操作是必需的？