人工智能深度学习技术练习(习题卷1)

试卷科目：人工智能深度学习技术练习人工智能深度学习技术练习(习题卷1)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages人工智能深度学习技术练习第1部分：单项选择题，共50题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.随机旋转的函数是A)RandomHorizontalFlip()B)RandomVerticalFlip()C)RandomRotationD)RandomCrop答案:C解析:[单选题]2.语句myShape.move(10,20)的执行结果为（）。A)将myShape移动到点（10,20）B)将myShape右移动10的像素C)将myShape向下移动20个像素D)将myShape先向右移动10个像素再向下移动20个像素答案:A解析:难易程度：易题型：[单选题]3.LSTM网络通过精妙的()将短期记忆与长期记忆结合起来,并且一定程度上解决了梯度消失的问题A)RNN控制B)前馈控制C)BP控制D)门控制答案:D解析:[单选题]4.A=tf.Variable(8.1)Sess.run(tf.assign_add(a,1))A的值是:A)8.1B)8.2C)9.1D)7.1答案:C解析:[单选题]5.Batch归一化和神经网络中的什么功能类似A)reluB)dropoutC)sigmoidD)tanh答案:B解析:[单选题]6.在AlexNet等典型的卷积神经网络中，随着网络的深度增加,通常有()A)每层的通道的高度和宽度减少,通道数增加。B)每层的通道的高度和宽度增加，通道数增加。C)每层的通道的高度和宽度减少，通道数减少。D)每层的通道的高度和宽度增加，通道数减少。答案:A解析:[单选题]7.考虑以下问题:假设我们有一个5层的神经网络，这个神经网络在使用一个4GB显存显卡时需要花费3个小时来完成训练。而在测试过程中，单个数据需要花费2秒的时间。如果我们现在把架构变换一下，当评分是0.2和0.3时，分别在第2层和第4层添加Dropout，那么新架构的测试所用时间会变为多少?CA)少于2sB)大于2sC)是2sD)说不准答案:C解析:[单选题]8.pytorch不能用来求梯度的方式是：A)backwardB)autograd.gradC)自动微分和优化器D)梯度磁带答案:D解析:[单选题]9.运行session.run(op)的含义是A)运行该行代码B)建立会话C)在会话中运行计算图中名为op的节点D)以上说法都不对答案:C解析:[单选题]10.数学建模工作,首先要对目标事物进行(),然后再进行下一步工作。A)度量化B)抽象化C)具体化D)理想化答案:A解析:[单选题]11.梯度下降算法的正确步骤是什么?1.计算预测值和真实值之间的误差2.重复迭代，直至得到网络权重的最佳值3.把输入传入网络，得到输出值4.用随机值初始化权重和偏差5.对每一个产生误差的神经元，调整相应的(权重)值以减小误差BA)l.B).1C).4D).2答案:B解析:[单选题]12.如果您的训练数据的准确性接近1.000，但您的验证数据不是，那么这会有什么风险?A)那你过拟合了训练数据B)没风险，这是一个很好的结果C)你欠拟合了验证数据D)你过拟合了验证数据答案:A解析:[单选题]13.Inception中，不管并联卷积池化如何改变，合并后特征图的（）必须相同A)通道B)尺寸C)维度D)色差答案:B解析:[单选题]14.双曲正切函数指的是那一个函数?A)Sigmoid函数B)tanh函数C)ReLUD)leakyReLU答案:B解析:[单选题]15.关于数据集划分，下列说法正确的是（）。A)训练集的数据总是越多越好B)训练集与测试集的理想划分比例是5：5C)庞大数据集的训练集与测试集的划分比例可以为9：5D)训练集的数据量越大，模型的泛化能力越好答案:C解析:难易程度：中题型：[单选题]16.以下关于循环神经网络的说法中,哪个是正确的?A)循环神经网络可以和卷积神经网络混合使用B)循环神经网络的性能高于卷积神经网络C)循环神经网络可以代替卷积神经网络D)循环神经网络中没有BP算法答案:A解析:[单选题]17.现有一个32X32大小的图像,通过步长为1,填充p=1,大小为5X5的卷积核卷积后,结果尺寸成为A)28X28B)30X30C)31X31D)32X32答案:B解析:[单选题]18.交叉熵描述的是（）之间的距离A)概率分布B)平均值C)预测值与真实值D)以上都不对答案:A解析:[单选题]19.查看gpu显卡数量的函数是A)tensor_gpu.is_cudaB)torch.cuda.device_count()C)tensor_gpu.deviceD)torch.cuda.is_available()答案:B解析:[单选题]20.云服务器（CloudVirtualMachine，CVM）为您提供安全可靠的弹性计算服务。CVM支持按（）的资源计费，可以为您节约计算成本。A)免费B)开源C)实际使用D)定期收费答案:C解析:云服务器（CloudVirtualMachine，CVM）为您提供安全可靠的弹性计算服务。只需几分钟，您就可以在云端获取和启用CVM，用于实现您的计算需求。随着业务需求的变化，您可以实时扩展或缩减计算资源。CVM支持按实际使用的资源计费，可以为您节约计算成本。[单选题]21.RNN的关键点之一就是他们可以用来连接()的信息到当前的任务上A)先前B)之后C)丢失D)LSTM答案:A解析:[单选题]22.Jupyternotebook双击D是什么快捷方式（）。A)cell切换到Code模式B)在当前cell的上面添加cellC)在当前cell的下面添加cellD)删除当前cell答案:D解析:难易程度：易题型：[单选题]23.不属于Python保留字的是（）。A)doB)passC)exceptD)while答案:A解析:难易程度：易题型：[单选题]24.在人脸检测系统中,如函数caffe.set_mode_gpu()的含意是设置为什么模式?A)CPU模式B)GPU模式C)CPU+GPU模式D)TPU模式答案:B解析:[单选题]25.torch.nn.Conv2d中控制步长的参数为A)strideB)kerner_sizeC)in_channelsD)out_channels答案:A解析:[单选题]26.在神经网络-开始应用卷积层将使训练A)更快B)这取决于许多因素。它可能会使您的训练更快或更慢，并且设计不良的卷积层可能甚至比普通的DNN还低效C)更慢D)持平答案:B解析:[单选题]27.模型顺序简单，最使用使用（）方式创建模型A)SequentialB)函数式API创建任意结构模型C)Model子类化创建自定义模型D)自定义函数答案:A解析:[单选题]28.神经网络中的每个节点称为（）。A)神经元细胞B)神经元C)神经细胞D)细胞答案:B解析:难易程度：易题型：[单选题]29.()对于人工神经网络模型去学习、理解非常复杂和非线性的函数来说具有十分重要的作用A)激活函数B)卷积C)池化D)全连接答案:A解析:[单选题]30.（）是正则化的一种形式，它在训练中起着重要作用，因此需要适当设定A)学习率B)动量C)权重衰减D)批量大小答案:C解析:[单选题]31.使用CNN处理数据时，数据以（）维的方式存在A)1B)2C)3D)4答案:D解析:卷积中数据维度为[样本个数，高度，宽度，通道数][单选题]32.Keras中，处理二分类的代价调用是：A)mseB)binary_crossentropyC)categorical_crossentropyD)sparse_categorical_crossentropy答案:B解析:[单选题]33.已知:-大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达。-每一个神经元都有输入、处理函数和输出。-神经元组合起来形成了网络，可以拟合任何函数。-为了得到最佳的神经网络，我们用梯度下降方法不断更新模型给定上述关于神经网络的描述，什么情况下神经网络模型被称为深度学习模型?A)加入更多层，使神经网络的深度增加B)有维度更高的数据C)当这是一个图形识别的问题时D)以上都不正确答案:A解析:[单选题]34.张量Tensor通常是操作()维数组进行传送,形象地描述为从流图的一端流动到另一端,即TensorFlow的组成A)NB)1C)0D)3答案:A解析:[单选题]35.RNN具有()展开的特点,这是由其输入决定的A)时间B)空间C)BP算法D)LSTM答案:A解析:[单选题]36.MNIST数据集的维度大小是（）。A)20*20B)22*22C)26*26D)28*28答案:D解析:难易程度：易题型：[单选题]37.飞桨框架cpu版本的下载命令是（）。A)pythonB)pythonC)pythonD)python答案:A解析:难易程度：易题型：[单选题]38.卷积的过程尤为清晰：在坐标轴上让x(n)保持不动，先把h(n)（），然后不断执行二者重合部分相乘求和然后让h(n)滑动的过程。A)反转B)减小C)增加D)倒置答案:A解析:[单选题]39.()函数就是softmax函数,是逻辑函数的一种推广A)概率B)归一化C)损失函数D)空间答案:B解析:[单选题]40.A=−241−2,B=24−3−6，求AB（）。A)16328−16B)1632−8−16C)−16−32816D)16−328−16答案:C解析:难易程度：易题型：[单选题]41.符号主义属于现代人工智能范畴,基于逻辑推理的智能模拟方法()A)模拟人的智能行为B)计算机视觉C)卷积神经网络D)openCV答案:A解析:[单选题]42.pytorch中用于处理简单模型的构建方式为：A)继承nn.Module基类构建自定义模型B)使用nn.Sequential按层顺序构建模型C)继承nn.Module基类构建模型并辅助应用模型容器进行封装(nn.Sequential,nn.ModuleList,nn.ModuleDict)D)使用model直接处理答案:B解析:[单选题]43.假设你的任务是使用一首曲子的前半部分来预测乐谱的未来几个小节，比如输入的内容如下的是包含音符的一张乐谱图片:关于这类问题，哪种架构的神经网络最好?A)神经图灵机B)单元的卷积神经网络C)端到端全接的经网络D)都不可用答案:B解析:[单选题]44.关于通道理解错误的是A)单通道为灰度图B)卷积后的通道越多，效果越好C)彩色图进行卷积处理只能是三通道D)彩色图是三通道答案:C解析:[单选题]45.()是一种特定形式的RNN循环神经网络,英文全称Longshort-termmemoryA)CNNB)LSTMC)RNND)CONV答案:B解析:[单选题]46.pytorch中可视化参数分布：A)writer.add_graphB)writer.add_scalarC)writer.add_histogramD)writer.add_figure答案:C解析:[单选题]47.以下选项对应的方法可以用于从CSV文件中解析-二维数据的是（）。A)split()B)join()C)format(D)exist()答案:A解析:难易程度：易题型：第2部分：多项选择题，共15题，每题至少两个正确答案,多选或少选均不得分。[多选题]48.被誉为近代人工智能领域的三驾马车的人物是:A)杨立坤YanLeCuB)辛顿C)BenGioD)比尔·盖茨答案:ABC解析:[多选题]49.深度学习是一类模式分析方法的统称，就具体研究内容而言，主要涉及三类方法：A)基于卷积运算的神经网络系统，即卷积神经网络(CNN)。B)以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络(DBN)C)基于多层神经元的自编码神经网络，包括自编码(Autoencoder)以及近年来受到广泛关注的稀疏编码两类(SparseCoding)D)以机器学习为主的多种神经网络算法答案:ABC解析:深度学习是一类模式分析方法的统称，就具体研究内容而言，主要涉及三类方法：[2](1)基于卷积运算的神经网络系统，即卷积神经网络(CNN)。[2](2)基于多层神经元的自编码神经网络，包括自编码(Autoencoder)以及近年来受到广泛关注的稀疏编码两类(SparseCoding)。[2](3)以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络(DBN)。[多选题]50.神经网络层数越多，就会产生什么效果A)算法精度提升B)梯度消失风险越大C)计算时间越长D)参数越多答案:ABCD解析:[多选题]51.在tf语句中,a=tf.Variable(25);执行sess.run(A.语句以后,以下说法正确的是:A)执行一个操作节点B)从python操作tf模块C)执行tf内的python模块D)实现python引用tf源代码答案:AB解析:[多选题]52.pytorch梯度下降的相关函数有A)zero_gradB)backwardC)stepD)optim答案:ABC解析:[多选题]53.反向传播算法BP主要由两个环节()()反复循环迭代,直到网络的对输入的响应达到预定的目标范围为止。A)激励传播B)权重更新C)消息传播D)激活函数答案:AB解析:[多选题]54.CNN网络结构中常用的处理有A)卷积层B)池化层C)全连接层D)激活函数答案:ABCD解析:[多选题]55.神经网络中超参数调试方法A)随机选择点来试验超参数效果B)当你给超参数取值时,另一个惯例是采用由粗糙到精细的策略。C)只调试容易的D)给定默认值即可答案:AB解析:[多选题]56.腾讯云实例可理解为云服务器（CloudVirtualMachine，CVM），包含（）、内存、网络等最基础的计算组件。A)磁盘B)CPUC)音箱D)操作系统答案:ABD解析:实例可理解为云服务器（CloudVirtualMachine，CVM），包含CPU、内存、操作系统、网络、磁盘等最基础的计算组件。[多选题]57.pytorch使用（）（）两个工具类来构建管道A)datasetB)filelistC)dataloderD)pipeline答案:AC解析:[多选题]58.线性变换中,若A是方阵,用A对线性空间的向量t进行变换。其结果为TA)变换前后向量模有变化B)t角度变化到TC)T也是向量D)T和t维度相同答案:ABCD解析:[多选题]59.人脸检测的图片通常有那几种类型?A)LIVE表示生活照;B)IDCARD表示身份证芯片照;C)WATERMARK表示带水印证件照;D)CERT表示证件照片;答案:ABCD解析:[多选题]60.常用的循环网络相关层有：A)nn.EmbeddingB)nn.LSTMC)nn.GRUD)nn.RNN答案:ABCD解析:[多选题]61.云硬盘（CloudBlockStorage，CBS）为您提供用于云服务器的持久性数据块级存储服务，以下哪些描述是正确的（）A)云硬盘提供多种类型及规格的磁盘实例，满足稳定低延迟的存储性能要求。B)云硬盘中的数据自动地在可用区内以多副本冗余方式存储，避免数据的单点故障风险，提供高达99.9999999%的数据可靠性C)使用块存储设备映射（device-mapping）来将这些存储设备映射为自身可以识别的位置D)云硬盘支持在同可用区的实例上挂载/卸载，并且可以在几分钟内调整存储容量，满足弹性的数据需求。您只需为配置的资源量支付低廉的价格就能享受到以上的功能特性。答案:ABD解析:云硬盘（CloudBlockStorage，CBS）为您提供用于云服务器的持久性数据块级存储服务。云硬盘中的数据自动地在可用区内以多副本冗余方式存储，避免数据的单点故障风险，提供高达99.9999999%的数据可靠性。云硬盘提供多种类型及规格的磁盘实例，满足稳定低延迟的存储性能要求。云硬盘支持在同可用区的实例上挂载/卸载，并且可以在几分钟内调整存储容量，满足弹性的数据需求。您只需为配置的资源量支付低廉的价格就能享受到以上的功能特性。[多选题]62.程序语句例如conv2d(input_d,filter_d,strides=[1,3,3,1],padding='SAME'),这条语句的含意理解为()?A)步长在高度方向和宽度方向均为3B)填充图像边缘,使图像尺寸不变C)input_d是待卷积的数据D)进行卷积操作答案:ABCD解析:第3部分：判断题，共19题，请判断题目是否正确。[判断题]63.句子向量只能通过无监督学习获得。A)正确B)错误答案:错解析:[判断题]64.writer.add_image可视化可以加入一张或多张图片A)正确B)错误答案:错解析:[判断题]65.动态计算图无序开启sessionA)正确B)错误答案:对解析:[判断题]66.深度学习的发展先后经过起源阶段、发展阶段、和爆发阶段。A)正确B)错误答案:对解析:[判断题]67.Tf.set_random_seed函数可以从两个seed中获得依赖随机seed的操作,图形级seed和操作级seedA)正确B)错误答案:对解析:[判断题]68.如果增加多层感知机（MultilayerPerceptron）的隐藏层层数，分类误差便会减小。A)正确B)错误答案:错解析:[判断题]69.人工智能的目的是让机器能够完全代替人，以实现某些脑力劳动的机械化。()A)正确B)错误答案:对解析:[判断题]70.Keras必须依赖其他框架才能使用A)正确B)错误答案:错解析:[判断题]71.ImporttensorflowastfPrint(help(tf))这个语句是寻求帮助的过程A)正确B)错误答案:对解析:[判断题]72.随机梯度下降算法是每次考虑单个样本进行权重更新。A)正确B)错误答案:对解析:[判断题]73."@"代表矩阵相乘A)正确B)错误答案:对解析:[判断题]74.激活函数也就是大于某个值输出1(被激活了),小于等于则输出0(没有激活)。这个函数是非线性函数。A)正确B)错误答案:对解析:[判断题]75.在一个系统中,信息量的概率平均就是信息熵。A)正确B)错误答案:对解析:[判断题]76.如果增加神经网络的宽度，精确度会增加到一个阈值，然后开始降低。造成这一现象的原因可能是只有一部分核被用于预测。A)正确B)错误答案:错解析:[判断题]77.机器学习是实现人工智能的方法，深度学习是机器学习的算法之一。A)正确B)错误答案:对解析:[判断题]78.RecurrentNeuralNetwork,RNN这种网络的本质特征是在处理单元之间既有内部的反馈连接又有前馈连接A)正确B)错误答案:对解析:[判断题]79.分类问题用逻辑回归,预测问题用线性回归。A)正确B)错误答案:对解析:[判断题]80.彩色图像是由多幅单色图像组合而成的，例如，在RGB彩色系统中，一幅彩色图像由红（R），绿（G），蓝（B）分量图像组成A)正确B)错误答案:对解析:[判断题]81.分类问题用神经网络,预测问题用线性回归。A)正确B)错误答案:对解析:第4部分：问答题，共16题，请在空白处填写正确答案。[问答题]82.编程：Tensorflow完成一次线性函数计算。注：使用Tensorflow将各个不同的计算模块拼接成流程图，完成一次线性函数的计算，并在一个隐式会话中执行。答案:Matrix1=tf.constant([[3.,3.]])#声明matrix1为TF的一个1*2的行向量Matrix2=tf.constant([[2.],[2.]])#声明matrix2为TF的一个2*1的列向量Product=tf.matmul(matrix1,matrix2)#两个算子相乘，作为新算例Linear=tf.add(product,tf.constant(2.0))#将product与一个标量2求和拼接.作为最终的linear算例#直接在会话中执行linear算例，相当于将上面所有的单独算例拼接成流程图来执行Withtf.Session()assess:result=sess.run(linear)print(result)解析:[问答题]83.tf.contrib.layers.l1_l2_regularizer()函数______实现L1正则化和L2正则化。答案:同时；解析:[问答题]84.简述RELU激活函数的映射规则。答案:Relu激活函数，大于0的保留，否则一律为0，该函数对正向信号的重视，忽略对负向信号的特征，与我们人类神经元细胞对信号的反映极其相似，所以在神经网络中取得了很好的拟合效果。解析:[问答题]85.什么情况下需要多个卷积核？答案:深度学习中无论是输入，还是中间产生的特征图，通常都不是单一的二维图，而是多个，比如一幅彩色图像通常是由红色、绿色和蓝色三个通道组成，分别代表了一幅彩色图像中红、绿和蓝三个不同通道的值，为了提取不同的特征，往往需要多个卷积核。解析:[问答题]86.指数衰减学习率函数中，参数衰减系数的大小区间为______。答案:[0,1]；解析:[问答题]87.编程：使用Tensorflow在屏幕上打印出一句话。答案:ImporttensorflowastfImportnumpyasnpGreeting=tf.constant('HelloGoogleTensorflow!')Sess=tf.Session()#启动一个会话Result=sess.run(greeting)#使用会话执行greeting计算模块Print(result)Sess.close()解析:[问答题]88.tf.random_uniform的作用是用于产生一个满足_______分布的张量。答案:平均；解析:[问答题]89.怎么提升网络的泛化能力答案:从数据上提升性能:收集更多的数据,对数据做缩放和变换,特征组合和重新定义问题。从算法调优上提升性能:用可靠的模型诊断工具对模型进行诊断,权重的初始化,用小的随机数初始化权重。对学习率进行调节,尝试选择合适的激活函数,调整网络的拓扑结构,调节batch和epoch的大小,添加正则化的方法,尝试使用其它的优化方法,使用earlystopping。解析:[问答题]90.验证集样本的形状为______。答案:(5000,784)；解析:[问答题]91.编程：定义函数neuron(input_value,weight,threshol