A.一般来说，GAN通过训练总能达到代价函数的极小值
B.生成器要最小化判别模型D的判别准确率，而判别器要尽量最大化真假分类准确率
C.通过交替训练判别器和生成器，不断提高两者的性能，使两者的性能达到某个平衡点
D.训练GAN要达到生成器和判别器的博弈平衡，因此GAN的代价函数需要综合考虑两者的性能

A.生成器和判别器需要交替训练，不断增加两者的性能，直至达到某种博弈的平衡
B.生成器和判别器的代价函数在训练过程中是同时优化的
C.生成器用来产生带有随机噪声的一定分布数据和真实样本数据的映射关系，判别器用来区别实际数据和生成器产生的数据
D.生成器可以由Autoencoder实现

A.注意力机制的含义表示输出与输入之间的对应关系
B.解码器强化了不同时刻输出之间的关系
C.引注意力机制后会减少编码器（RNN）和解码器（RNN）的长跨度依赖问题
D.使用注意力机制之后会增加计算量，但是性能水平能够得到提升

A.解码器上一时刻隐层的输出
B.解码器该时刻的输出
C.编码器的输入
D.编码器各个时刻隐单元的输出

A.两种做法没什么区别
B.前者的做法效果不如后者
C.可以把编码器的输入之间的语义关系与解码器的输出之间的语义关系更好地对应
D.可以把编码器的输入之间的时序关系与解码器的输出之间的时序关系更好地对应

A.Softmax
B.Sigmoid
C.Tanh
D.ReLU

A.更好地拟合编码器输入词之间的语义关系
B.更好地拟合编码器输入词之间的次序
C.更好地拟合编码器输入和输出之间的次序关系
D.更好地拟合编码器输入和输出之间的语义关系

A.相同
B.不确定
C.不相同

A.拟合解码器输出词之间的语义关系
B.拟合编码器输入和解码器输出之间的语义关系
C.拟合编码器输入和解码器输出之间的词序关系
D.拟合解码器输出词之间的顺序关系

A.上下文向量是注意力机制实现的手段
B.上下文向量把编码器和解码器组合成完整的Seq2Seq模型
C.上下文向量中的元素需要当做网络参数训练得到
D.上下文向量拟合了编码器的不同时刻输入对解码器输出的影响