如果能够获得一个人的聊天记录，预测他的下一句话说什么，可以用keras里面的什么网络模型？（）

A.GAN网络需要人工打标记
B.GAN网络中至少要两个模块，Generative Model和Discriminative Model
C.GAN网络可以生成当前的判别器无法识别真假的图片
D.GAN网络中的Generative Model和Discriminative Model共同构成了一个巨大的网络

A.keras.Sequential（[keras.Input（shape=（32，0）），keras.layers.Dense（64，activation=”relu”），keras.layers.Dense（128，activation=”relu”），keras.layers.Dense（10，activation=”softmax”）]）
B.keras.Sequential（[keras.layers.Conv2D（32，3，activation=”relu”），keras.layers.Flatten（），keras.layers.Dense（128，activation=”relu”），keras.layers.Dense（10，activation=”softmax”）]）
C.keras.Sequential（[keras.layers.Conv2D（32，3，activation=”relu”），keras.layers.MaxPooling2D（（2，2）），keras.layers.Conv2D（64，3，activation=”relu”），keras.layers.MaxPooling2D（（2，2）），keras.layers.Conv2D（64，3，activation=”relu”），keras.layers.Flatten（），keras.layers.Dense（128，activation=”relu”），keras.layers.Dense（10，activation=”softmax”）]）
D.keras.Sequential（[keras.layers.Conv2D（32，3），keras.layers.BatchNormalization（），keras.layers.Activation（“relu”），keras.layers.MaxPooling2D（（2，2）），keras.layers.Conv2D（64，3），keras.layers.BatchNormalization（），keras.layers.Activation（“relu”），keras.layers.MaxPooling2D（（2，2）），keras.layers.Conv2D（64，3，padding=’same’，activation=”relu”），keras.layers.Flatten（），keras.layers.Dense（128，activation=”relu”），keras.layers.Dropout（0.5）keras.layers.Dense（10，activation=”softmax”）]）

A.卷积核如果是大小是（3，3），对（10，10）的图像卷积后，输出形状还是（10，10）
B.卷积计算输出的形状只取决于padding的方式
C.形状（10，10）的图像经过形状为（2，2）的池化核池化后输出大小是（5，5）
D.池化层输出大小取决于步长和padding的方式