当目标是凸函数时，梯度下降法的解是全局最优解。（)

A.A.随机梯度下降法(Stochastic Gradient Descent)

B.B.不知道

C.C.整批梯度下降法(FulIBatch Gradient Descent)

D.D.都不是

A.线性规划问题的可行解区一定存在

B. 如果可行解区存在，则一定有界

C. 如果可行解区存在但无界，则一定不存在最优解

D. 如果最优解存在，则一定会在可行解区的某个顶点处达到

B．通常会先初始化一组参数值 , 在这个 值之上，用梯度下降法去求出下一组 的值。由于是梯度下降的，所以损失函数 的值在下降。当迭代到一定程度， 损失函数取 值趋于稳定，此时的参数取值 即为要求得的值

C．学习速率的选取很关键，如果学习速率取值过大，容易达不到极值点甚至会发散，学习速率太小容易导致收敛时间过长

D．其中的学习速率是模型参数，而不是超参数