有关深度神经网络预训练模型的说法，正确的是哪些？
A、当新的数据量少且数据与原数据集类似，可以对输出层训练即可，不需要对模型参数做过多的调整;
B、使用预训练模型意味着难以自由改变网络结构和参数，限制了其应用场合;
C、当新数据量比较大，且数据与原数据类似，可对预训练模型的所有层以较大的学习率微调;
D、当新数据量少，且数据和原数据集差异较大，那么除了对输出层微调外，还要对顶层以下的层数进行大调
发布时间：2024-12-25 09:12:26
请在 下方输入 要搜索的题目：
推荐参考答案 (
由 快搜搜题库 官方老师解答 )
答案：当新的数据量少且数据与原数据集类似，可以对输出层训练即可，不需要对模型参数做过多的调整 ■使用预训练模型意味着难以自由改变网络结构和参数，限制了其应用场合
相关试题
- 1.有关深度神经网络预训练模型的说法，正确的是哪些？
- 2.对于深度学习的卷积神经网络模型（CNN）来说，其面临的最大问题是模型训练，即用什么数据、什么方法来训练神经网络。
- 3.关于预训练模型和微调（Fine-tuning）的描述，以下哪些是正确的（ ）。
- 4.下列关于神经网络的描述，什么情况下神经网络模型被称为深度学习模型？（）
- 5.相比于基于递归神经网络和注意力机制的模型，基于预训练语言模型的阅读理解模型在结构上更加简单
- 6.（ ）是深度学习模型的一种，全称为卷积神经网络。
- 7.深度学习是含有一个隐含层的多层神经网络模型的强化学习，训练过程加入了激活函数。
- 8.BERT是基于Transformer Encoder设计的对左右两个方向文本进行深度学习的预训练模型。
- 9.OpenAI发布了迄今为止全球规模最大的预训练语言模型()
- 10.以下有关卷积神经网络（CNN）的说法错误的是：
