训练CNN时，GPU显存溢出，此时可以采取什么办法（）。

A.CNN和RNN都属于神经网络，因此二者的训练方式完全一致，均采用BP算法。

B.CNN和RNN都采用了权值共享机制以减少网络中的参数量。

C.在同一个网络中，CNN结构和RNN结构不能同时使用。

D.CNN适用于图像处理，而RNN适用于序列数据处理。

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.内存

B.GPU

C.CPU

D.主板

A.局部感知使网络可以提取图像的局部特征，而权值共享大大降低了网络的训练难度

B.通道数量越多，获得的特征图(Featuremap)就越多

C.卷积是指对图像的窗口数据和滤波矩阵做内积的操作，在训练过程中滤波矩阵的大小和值不变

D.SAME填充和VALID填充的主要区别是前者向图像边缘添加0值，而后者可能会忽略来自图像边缘的值

A.参数更少

B.泛化更好

C.训练更快

D.更容易搭建；

A.共享权重

B.dropout

C.Relu激活函数和重叠池化

D.双GPU训练(分组卷积)

A.图片实际占用外存的大小

B.当工程运行时，该图片在场景中所占用显存的大小

C.对图片的格式，压缩后所占用的外存的大小

D.以上均不正确

B.某些网元可能不支持性能数据补采操作

C.由于某种原因(如网元与NetNumenU31服务器间的通信中断)导致NetNumenU31服务器上性能数据不完整时，如果网元上的性能数据还没有被清除，此时维护人员可以通过手工方式补采测量任务中丢失的性能数据

D.已进行数据完整性查询操作

A.Cloud VR终端需要内置高性能GPU

B.Cloud VR可以降低终端成本

C.Cloud VR要求移动网络支持更低时延

D.Cloud VR要求移动网络支持更大带宽

A.拓展训练

B.聘请培训公司内训

C.⽹络学习

D.员⼯⾃学