在训练了具有批标准化的神经网络之后，在用新样本评估神经网络性能时，应该 A: 如果你在batch size为256的mini-batch上实现了批标准化，那么如果你要在一个测试样本上进行评估，你应该将这个例子重复256次，这样你就可以使用和训练时大小相同的mini-batch进行预测。 B: 使用最后一个的mini-batch的<img src="https://www.zhihu.com/equation?tex=%5Cmu">和<img src="https://www.zhihu.com/equation?tex=%5Csigma%5E2">值来执行所需的标准化 C: 跳过用<img src="https://www.zhihu.com/equation?tex=%5Cmu">和<img src="https://www.zhihu.com/equation?tex=%5Csigma%5E2">值标准化的步骤，因为一个样本不需要标准化 D: 使用在训练期间，通过指数加权平均值得出的[img=36x26]18033255208b7a8.png[/img]执行所需的标准化

【单选题】要指定一个绝对位置 5 , 5 的点,应该输入: () @5 , 5 5 》 5 5 , 5 5<5< span=""> A. @5，5 B. 5》5 C. 5，5 D. 5<5

根据乘方的意义可知：53=5×5×5，54=5×5×5×5，则53×54=（5×5×5）×（5×5×5×5）=57即53×54=57。想一想：

【单选题】下面程序执行结果() #include main() { int i ,j ; for(i=1; i<=5; i++) { for(j=1; j<=i; j++) printf("%2d",i); printf(" ",); } } A. 1 2 2 3 3 3 4 4 4 4 5 5 5 5 5 B. 1 2 3 4 5 C. 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 D. 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

5^2 5^3=5^5

【单选题】5 A. 5 B. 5 C. 5 D. 5

5<>5与5!=5结果相同

能正确表示数学关系：“[img=90x21]18031a61b498c1c.png[/img]”的C语言表达式是（ ）。 A: a>=-5 and a<=5 B: a>=-5 or a<=5 C: a>=-5 && a<=5 D: a>=-5 || a<=5

运行下列代码段,输出结果为True的是( )。 A: print(5 >= 5) B: print(5 => 5) C: print(5 == 5) D: print(5 <= 5)

1/(1+5%)5=? [(F/P,5%,5)=1.2763,(P/F,5%,5)=0.7835]