在对神经网络的权重矩阵进行初始化时，通常会将这些权重初始化为（ ）。
A: 全0的值
B: 全1的值
C: 很小的随机值
D: 很大的随机值
A: 全0的值
B: 全1的值
C: 很小的随机值
D: 很大的随机值
举一反三
- 梯度下降算法的正确步骤是什么? A: 计算预测值和真实值之间的误差 B: 重复迭代，直至得到网络权重的最佳值 C: 把输入传入网络，得到输出值 D: 用随机值初始化权重和偏差 E: 对每一个产生误差的神经元，调整相应的（权重）值以减小误差
- 数组初始化时可以仅初始化部分元素的值。
- 梯度下降算法的正确步骤是什么？（）(a)计算预测值和真实值之间的误差。(b)迭代跟新，直到找到最佳权重(c)把输入传入网络，得到输出值(d)初始化随机权重和偏差(e)对每一个产生误差的神经元，改变相应的（权重）值以减小误差
- 以下哪一项在神经网络中引入了非线性？ A: Tanh激活函数 B: 随机梯度下降 C: 改变权重的初始化值 D: 其他选项都正确
- 有关神经网络参数初始化的说法错误的是哪个？ A: 过大过小的参数都影响网络的训练 B: 神经网络可以用0来初始化权重 C: 可以进行参数的随机初始化 D: 合适的权重初始化可以加快神经网络的训练，提升模型的效果