单项选择题
对深度学习中梯度消失的描述正确的是（）。
A.靠近输出层的hidden layer 3的权值更新正常，但是靠近输入层的hidden layer 1的权值更新非常慢，导致其权值几乎不变，仍接近于初始化的权值，这种现象叫做梯度小事B.造成梯度消失的原因是过深的深度学习模型，由于梯度反向传导过程中的累积问题，就出现了内在本质上的不稳定场景，另一方面是模型激活函数不太合适C.使用Relu函数作为激活函数、增加BatchNormal层、使用残差模块等缓解梯度爆炸D.以上全部
单项选择题 假设一个二分类问题，现在采用一个大于0.5的阈值，那么关于模型的说法正确的是（）。
单项选择题 Xavier初始化是最为常用的神经网络权重初始化方法Xavier初始化是用来帮助信号能够在神经网络中传递得更深，下面哪些叙述是对的？（）1.如果权重一开始很小，信号到达最后也会很小2.如果权重一开始很大，信号到达最后也会很大3.Xavier初始化是由高斯发布引出的4.Xavier初始化可以帮助减少梯度弥散问题
单项选择题 Dropout率为保留一个神经元为激活状态的概率，Dropout率和正则化有什么关系？（）
