下面模型训练的一些常用技巧中，哪些说法是错误的（)？

A.LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题

B.CNN相比于全连接的优势之一是模型复杂度低，缓解过拟合

C.只要参数设置合理，深度学习的效果至少应优于随机算法

D.随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题

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.没有任何问题，神经网络模型将正常训练

B.神经网络模型可以训练，但所有的神经元最终将识别同样的事情

C.神经网络模型不会进行训练，因为没有净梯度变化

D.这些均不会发生

A.初始点

B.步长

C.梯度

D.都不是

A.叠音

B.打音

C.剁音

D.颤音

A.叠音

B.赠音

C.历音

D.剁音

A.预先训练的模型输入模型优化器后会简化

B.把预训练的模型转化为中间文件

C.预训练的模型可以不经过模型优化器直接由推理引擎高效执行

D.模型优化器会修改预训练模型的结构、权重和偏置

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.经验风险指模型关于联合分布期望损失，期望风险指模型关于训练样本集平均损失

B.在有监督学习的训练过程中，经验风险大和期望风险大被称为过学习

C.在有监督学习的训练过程中，经验风险小和期望风险大被称为欠学习

D.期望风险指模型关于联合分布期望损失，经验风险指模型关于训练样本集平均损失