对于一个分类任务,如果开始时神经网络的权重不是随机赋值的,二是都设成0,下面哪个叙述是正确的?( ) A.其他选项都不对B.没啥问题，神经网络会正常开始训练C.神经网络可以训练，但是所有的神经元最后都会变成识别同样的东西D.神经网络不会开始训练，因为没有梯度改变
对于一个分类任务,如果开始时神经网络的权重不是随机赋值的,二是都设成0,下面哪个叙述是正确的?( )
A.其他选项都不对
B.没啥问题，神经网络会正常开始训练
C.神经网络可以训练，但是所有的神经元最后都会变成识别同样的东西
D.神经网络不会开始训练，因为没有梯度改变
相关考题：
对于神经网络的说法,下面正确的是:( ) A增加神经网络层数,可能会增加测试数据集的分类错误率B减少神经网络层数,总是能减小测试数据集的分类错误率C增加神经网络层数,总是能减小训练数据集的分类错误率
在一个神经网络里，确定每一个神经元的权重和偏差是重要的一步。如果以某种方法确定了神经元准确的权重和偏差，就可以近似任何函数。实现这个最佳的办法是什么？A．根据经验随机赋值B．搜索所有权重和偏差的组合，直到得到最佳值C．赋予一个初始值，然后迭代更新权重，直至代价函数取得极小。D．其他都不正确
17、关于权重的调整说法有误的：A．对于一个样本，如果当前权重能够正确判断其类型，就减小当前权重B．对于一个样本，如果当前权重不能够正确判断其类型，则惩罚当前权重，降低其比例C．对权重的训练直到某个权重对所有样本均不产生错误，或者错误不再降低D．对于一个样本，如果当前权重能够正确判断其类型，就提高其比例
在一个神经网络里，知道每一个神经元的权重和偏差是最重要的一步。如果以某种方法知道了神经元准确的权重和偏差，你就可以近似任何函数。实现这个最佳的办法是什么？A．随机赋值，祈祷它们是正确的B．搜索所有权重和偏差的组合，直到得到最佳值C．赋予一个初始值，通过检查跟最佳值的差值，然后迭代更新权重D．都不正确
【单选题】在一个神经网络里，知道每一个神经元的权重和偏差是最重要的一步。如果以某种方法知道了神经元准确的权重和偏差，你就可以近似任何函数。实现这个最佳的办法是（）A．随机赋值，祈祷它们是正确的B．搜索所有权重和偏差的组合，直到得到最佳值C．赋予一个初始值，通过检查跟最佳值的差值，然后迭代更新权重D．以上都不正确
在一个神经网络里，确定每一个神经元的权重和偏差是重要的一步。如果以某种方法确定了神经元准确的权重和偏差，你就可以近似任何函数。实现这个最佳的办法是什么？A．根据经验随机赋值B．搜索所有权重和偏差的组合，直到得到最佳值C．赋予一个初始值，然后迭代更新权重，直至代价函数取得极小。D．其他都不正确
哪个权重的取值或调整方法不能改善卷积神经网络的训练和性能？A．He初始化B．dropoutC．batch normalizationD．任意随机初始化