激活函数对于神经网络模型学习、理解非常复杂的问题有着重要的作用，以下关于激活函数说法正确的是（)

A.这不会对训练产生影响。只要随机初始化权重，梯度下降不受权重大小的影响。

B.这会导致tanh的输入也非常大，从而使梯度也变大。因此，你必须将学习率α设置得非常小以防止发散。这会减慢网络参数学习速度。

C.这会导致tanh的输入也非常大，导致神经元被“高度激活”，从而加快了学习速度。

D.这会导致tanh的输入也非常大，从而使梯度接近于零， 优化算法将因此变得缓慢。

A.这不会对训练产生影响。只要随机初始化权重，梯度下降不受权重大小的影响。

B.这会导致tanh的输入也非常大，从而使梯度也变大。因此，你必须将学习率α设置得非常小以防止发散。这会减慢网络参数学习速度。

C.这会导致tanh的输入也非常大，从而使梯度接近于零，优化算法将因此变得缓慢。

D.这会导致tanh的输入也非常大，导致神经元被“高度激活”，从而加快了学习速度。

A.卷积层

B.池化层

C.全连接层

D.激活层

A.损失函数

B.反向传播

C.优化函数

D.激活函数

A.SeLU

B.ELU

C.sigrmoid

D.tanh

A.卷积可视化解释

B.反向传播算法

C.非线性激活函数

D.深度神经网络

A.线性函数

B.激活函数

C.分类函数

D.偏置单元

A.反向传播算法

B.卷积可视化解释

C.非线性激活函数

D.深度神经网络