梯度下降算法中哪个参数的调整影响训练的速率（)

A.梯度方向是函数值下降最快方向

B.梯度下降算法是一种使得损失函数最小化的方法

C.梯度下降算法用来优化深度学习模型的参数

D.梯度反方向是函数值下降最快方向

A.批量梯度下降法(BGD)每一次对模型参数的调整，都朝向代价函数值减小的方向

B.批量梯度下降法(BGD)每一次对模型参数的调整，都朝向代价函数值增加的方向

C.批量梯度下降法(BGD)每一次对模型参数的调整，都朝向代价函数值不变的方向

D.批量梯度下降法(BGD)每一次对模型参数的调整，都朝向代价函数值发生变化的方向

A.交叉熵也可以作为分类预测问题的损失函数

B.在使用梯度下降时，加上冲量项会减少训练的速度，但可能会增加陷入局部极小值的可能

C.与批量梯度下降法相比，使用小批量梯度下降法可以降低训练速度，但达到全局最优解可能需要更多的迭代次数

D.神经元的激活函数选择不影响神经网络的训练过程和最终性能

A.A.随机梯度下降法(Stochastic Gradient Descent)

B.B.不知道

C.C.整批梯度下降法(FulIBatch Gradient Descent)

D.D.都不是

A.不可以

B.可以

C.步长取值可以任意

D.其余三种说法都不对

A.二次收敛性

B.要计算一阶偏导数

C.对初始点的要求不高

D.只利用目标函数的一阶偏导数值构成搜索方向

A.牛顿法

B.梯度法

C.共轭梯度法

D.变尺度法

A.优化凸目标函数

B.只能在随机梯度下降的情况下进行训练

C.可以混合使用不同的激活功能

D.以上均不是

A.梯度为0时神经元难以正常工作

B.缓解了梯度消失问题

C.提高l网络训练速度

D.开销小、计算快