测验：数字相同，单位却不同

什么样的归一化会将像素范围为 0-16 的给定输入带入模型？

• 转换为 float32 并除以 16
• 转换为 float32 并除以 255
• 保留 uint8 并将整数除以 16
• 除以每个评估批次的最大值

修正文件中的ID数量为360，接下来要检查什么？

• 只需扩展数字范围以包含评估 ID 即可。
• 检查是否与提供的修正ID集相同且不重复
• 检查学习ID和评估ID是否混用。
• 检查从最小的ID开始是否有360个连续的ID。

一行输入中有 64 个特征是什么意思？

• 预测 64 个不同的数字类别
• 仅当一次发送 64 个样本时才能运行。
• 它是展开 8×8 图像的像素阵列。
• 每个像素存储 64 字节的实数。

为了提高评估精度，评估样本被包含作为校准数据。正确的解释是什么？

• 除非您直接输入正确答案，否则该除法将保持不变。
• 如果改正次数相同，可以比较前后的分数。
• 由于样本是混合的，独立性得到了提高。
• 评估数据涉及转化，角色混合。

从本课程的 Linux CPU 实验中您能看到什么？

• 根据提供的数据转换前后的分类准确度
• 实际MCU的电池消耗改善率
• 使用 NPU 加速器的现场处理延迟
• 新笔迹的泛化表现

在查看同一组公众评价的情况下多次选择候选人的表现如何？

• 这是发展的回归指标，需要单独进行最终评估。
• 如果文件哈希值相同，则泛化性能得到保证。