关于ReLU和Sigmoid激活函数，在深度神经网络的中间层，建议使用ReLU。
举一反三
- 关于ReLU和Sigmoid激活函数，在深度神经网络的中间层，建议使用ReLU。 A: 正确 B: 错误
- 下面关于Relu和Sigmoid激活函数说法错误的是 A: Relu激活函数相比于Sigmoid激活函数计算更简单 B: Relu激活函数是一种线性的激活函数 C: Sigmoid激活很容易出现梯度消失的情况 D: Relu减少了参数间的相互依存关系，缓解了过拟合问题的发生
- 训练神经网络时，以下哪种激活函数最容易造成梯度消失: （ ） A: tanh B: sigmoid C: ReLU D: leaky ReLU
- 中国大学MOOC: 假设有一个使用ReLU激活函数(ReLU activation function)的神经网络，假如把ReLU激活替换为线性激活，那么这个神经网络能够模拟出异或函数吗？注意：使用ReLU激活函数的神经网络是能够模拟出异或函数。
- 哪些方法可以减少深度学习的梯度消失问题？ A: 减少网络深度 B: 预训练+微调 C: 使用ReLU激活函数 D: 使用Sigmoid激活函数