A.目标任务的数据量
B.原始模型的性能
C.微调算法的选择
D.硬件资源限制

A.大量计算资源
B.少量标注数据
C.高效算法
D.特定硬件支持

A.深度学习
B.传统机器学习
C.语言学规则
D.概率统计

A.标签传播
B.无监督预训练
C.生成伪标签
D.不使用未标记的数据

A.增加训练数据量
B.减小模型规模
C.提高学习率
D.应用更多的数据增强技术

A.提高模型复杂性
B.缩短训练时间
C.减少数据需求
D.增加模型的泛化误差

A.删除含有异常值的样本
B.用平均值替换异常值
C.用中位数替换异常值
D.用众数替换异常值

A.删除含有缺失值的样本
B.用平均值填充缺失值
C.用中位数填充缺失值
D.用众数填充缺失值

A.Sobel算子
B.Canny算子
C.Prewitt算子
D.Laplacian算子

A.KLT跟踪器
B.Particle filter
C.Mean shift
D.Hough变换

A.代码简洁，易于理解
B.执行效率高，节省内存空间
C.适用于解决复杂问题，易于扩展