人工智能深度学习技术练习(习题卷3)

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3)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.VGG16中的16代表的是A)卷积层B)池化层C)总层数D)含有权重的层数答案:D解析:[单选题]2.pandas的常用类不包括（）。A)SeriesB)DataFrameC)PanelD)Index答案:C解析:难易程度：中题型：[单选题]3.关于交叉验证与自动调参，下列说法错误的是（）。A)交叉验证将数据集分为多组训练集与测试集对B)交叉验证能有效降低测试准确率的差异C)GridSearchCV类会遍历所有参数值的组合D)GridSearchCV类适用于数据量较大的数据集答案:D解析:难易程度：中题型：[单选题]4.CrossEntropy交叉熵主要度量两个()分布间的差异性信息A)概率B)矢量C)矩阵数据D)空间答案:A解析:[单选题]5.提出?人工智能?概念是在（）年A)1955B)1956C)1957D)1958答案:B解析:[单选题]6.对于*非连续*目标在深度神经网络的优化过程中，下面哪种梯度下降方法是最好的?DA)DB)AdaGradC)1-BFGSD)拉格朗日松Subgradientmethod答案:D解析:[单选题]7.卷积神经网络中,全连接层中,需要修改权重,修改的依据是:A)梯度反向传播B)梯度正向传播C)与梯度无关D)与损失函数无关答案:A解析:[单选题]8.随时间反向传播的缩写是哪个?A)BPTTB)BPC)BPTD)BPTM答案:A解析:[单选题]9.在tf.nn.conv2d(a,B,C,d),其中填充操作是A)aB)bC)cD)d答案:D解析:[单选题]10.现实世界中,信息传播的速度,是以()数量级进行A)线性B)幂函数C)指数D)常数答案:C解析:[单选题]11.缩写ArtificialIntelligence是指A)AOB)AIC)ALD)AN答案:B解析:[单选题]12.Python3.X版本的保留字总数是（）。A)16B)29C)27D)33答案:D解析:难易程度：易题型：[单选题]13.深度神经网络的缩写是?A)CNNB)RNNC)SNND)DNN答案:D解析:[单选题]14.在keras中，（）函数按batch产生输入数据属于各个类别的概率，函数的返回值是类别概率的numpyarrayA)predictB)train_on_batchC)predict_probaD)predict_classes答案:C解析:在keras中，predict_proba（）函数按batch产生输入数据属于各个类别的概率，函数的返回值是类别概率的numpyarray[单选题]15.缩小图像尺寸后，训练结果有所不同。为什么？A)图片的信息变少了B)我们删除了一些卷积以处理较小的图像C)图像中压缩了更多信息D)训练更快答案:A解析:[单选题]16.静态图时期计算图的执行方式是：A)先定义图，再执行图B)执行和定义同时执行C)不区分这两个步骤D)先执行后，在定义答案:A解析:[单选题]17.有许多种梯度下降算法，其中两种最出名的方法是1-BFGS和SGD。1-BFGS根据二阶梯度下降而SGD是根据一阶梯度下降的。在下述哪些场景中，会更加偏向于使用1-BFGS而不是SGD?场景1:数据很稀疏场景2:神经网络的参数数量较少CA)景1B)场景2C)两种情况都是D)都不会选择1-BFGS答案:C解析:[单选题]18.循环神经单元内部使用（）激活函数A)reluB)tanhC)sigmoidD)softmax答案:B解析:[单选题]19.pytorch中可视化人工绘图：A)writer.add_graphB)writer.add_scalarC)writer.add_histogramD)writer.add_figure答案:D解析:[单选题]20.使用pivot_table函数制作透视表时，要用下列（）参数设置行分组键。A)dataB)valuesC)columnsD)Index答案:D解析:难易程度：中题型：[单选题]21.opout是一种在深度学习环境中应用的正规化手段。它是这样运作的:在一一次循环中我们先随机选择神经层中的一些单元并将其临时隐藏，然后再进行该次循环中神经网络的训练和优化过程。在下一次循环中，我们又将隐藏另外一些神经元，如此直至训练结束。根据以上描述，Dropout技术在下列哪种神经层中将无法发挥显著优势?()A)仿射层B)卷积层C)RNN层D)均不对答案:C解析:[单选题]22.tensorflow.keras使用类创建模型时，正向传播函数是A)fitB)initC)buildD)call答案:D解析:[单选题]23.二分类sigmoid函数描述错误的是A)输出的是正类别结果B)可以做多分类C)可以做激活函数D)数值范围+1到-1答案:D解析:[单选题]24.T=tf.Variable([1,2,3]),tf.multiply(t,2)的结果是A)[1,2,3]B)[2,3,4]C)[2,4,6]D)[2,4,3]答案:C解析:[单选题]25.pytorch中二分类的代价函数是：A)CrossEntropyLoss()B)BCELoss()C)MSElossD)criteen答案:B解析:[单选题]26.卷积网络在本质上是一种输入到输出的(),它能够学习大量的输入与输出之间的映射关系,而不需要任何输入和输出之间的精确的数学表达式。A)卷积B)池化C)全连接D)映射答案:D解析:[单选题]27.pytorch的开发公司是A)googleB)facebookC)yamazoonD)baidu答案:B解析:[单选题]28.人工智能三大主义之符号主义的?符号?是指A)字符串B)符号逻辑C)字符串的推广D)字节答案:B解析:[单选题]29.计算图下列书法正确的是：A)动态计算图运行效率相对较B)静态图运行效率较低C)动态图调试效果好D)静态图调试效果差答案:A解析:A选项少部分内容[单选题]30.在keras中，也可以调用框架提供的模型，请问这些模型包含在下面哪个库中？A)keras.applicationsB)keras.layersC)keras.preprocessingD)keras.models答案:A解析:[单选题]31.假设一一个具有3个神经元和输入为[1，2，3]的简单MLP模型。输入神经元的权重分别为4,5和6。假设激活函数是一个线性常数值3(激活函数为:y=3x)。输出是什么?()A)32B)643C)96D)48答案:C解析:[单选题]32.JSON数据格式说法不正确的是（）。A)一种轻量级的数据交换格式B)全称是JavaC)json.dumpsD)提高可读性答案:B解析:难易程度：易题型：[单选题]33.Mini-batch指的是A)小批量梯度下降B)随机梯度下降C)批量梯度下降D)小批量损失计算答案:A解析:[单选题]34.关于数据组织的维度，以下选项中描述错误的是（）A)一维数据采用线性方式组织，对应于数学中的数组和集合等概念B)二维数据采用表格方式组织，对应于数学中的矩阵C)高维数据有键值对类型的数据构成，采用对象方式组织D)数据组织存在维度，字典类型用于表示一维和二维数据答案:D解析:难易程度：易题型：[单选题]35.TensorFlow、Keras框架为机器学习ML和()提供了灵活的数值计算核心A)MLB)算法重构C)NPLD)深度学习答案:D解析:[单选题]36.以下关于dropout的功能描述,哪个是正确的?A)没有激活函数功能B)一种正则化方式C)一种图像特征处理算法D)一种语音处理算法答案:B解析:[单选题]37.RNN中使用的激活函数是A)reluB)sigmoidC)tanhD)softmax答案:C解析:[单选题]38.数据管道从文件夹获取数据的方式是：A)from_tensor_slicesB)flow_from_directoryC)make_csv_datasetD)list_files答案:D解析:[单选题]39.下面代码的输出结果是（）d={"大海":"蓝色","天空":"灰色","大地":"黑色"}print(d["大地"],d.get("大海"))A)大地B)大地C)黑的D)黑色答案:D解析:难易程度：易题型：[单选题]40.动量梯度下降的特点是：A)β一般设置为0.1B)算法震荡小C)学习率会改变D)记忆上一次的梯度，应用到本次进行使用答案:D解析:[单选题]41.神经网络中的隐藏层节点数一般设置多少个（）。A)3B)100C)200D)按实际情况设定答案:D解析:难易程度：易题型：[单选题]42.A=−241−2,B=24−3−6，求BA（）。A)1001B)0000C)−1001D)1111答案:B解析:难易程度：易题型：[单选题]43.pytorch梯度下降用不到的函数是A)stepB)backwardC)zero_gradD)fit答案:D解析:[单选题]44.MNIST数据集中测试集包含的图片数量是（）张A)6000B)5000C)10000D)5500答案:C解析:[单选题]45.可以解决梯度消失的cnn模型时A)alexnetB)lenetC)resnetD)Inception答案:C解析:[单选题]46.执行语句print(tf.__path__)后,结果是['C:\\ProgramFiles\\Anaconda3\\lib\\site-packages\\tensorflow'],则该语句实现的功能是?A)查询tensorflow位置B)查看tensorflow安装路径C)查询tensorflow版本D)测试tf模块安装是否正常答案:B解析:[单选题]47.以下选项中,不属于软件调试技术的是（）。A)强行排错法B)集成测试法C)回溯法D)原因排除法答案:B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.梯度为0的点可以是A)局部最优解B)全局最优解C)鞍点D)转折点答案:ABC解析:[多选题]49.反向传播算法的过程如下:A)初始化联结权重Wij,对于输入的训练样本,求取每个节点输出和最终输出层的输出值B)对输出层求取偏导数C)对于隐藏层求取偏导数D)求取输出误差对于每个权重的梯度,更新权重答案:ABCD解析:[多选题]50.神经网络中哪些参数需要调试A)学习率αB)动量梯度下降的参数βC)mini-Batch的大小D)隐藏层数目答案:ABCD解析:[多选题]51.pytorch训练模型的三种方式为：A)脚本形式训练循环B)函数形式训练循环C)类形式训练循环D)fit函数答案:ABC解析:[多选题]52.下列关于测试集,说法正确的是A)不管数据大小,始终保持30%作为测试集B)测试集和验证集不能共存C)在数据规模小时,可以保留30%测试集D)大数据时代,测试集不必占用数据集的30%,能够保证对模型的考核即可答案:CD解析:[多选题]53.读入的图片,要想用tf卷积,需要A)将图片转换成张量B)需要按照tf的四元组格式C)需要定义卷积核D)定义步长答案:ABCD解析:[多选题]54.(Non-maximumsuppression,NMS)的本质是?A)搜索局部极大值B)抑制非极大值元素C)寻找出最小值D)寻找出阈值答案:AB解析:[多选题]55.可以处理深度过拟合问题的方式有A)数据增强B)dropoutC)L2正则D)批量归一化答案:ABCD解析:[多选题]56.要权释机器学习/深度学习在人工智能体系中的作用,通常从机器感知、()、()三方面来进行A)感知B)理解C)决策D)证明答案:BC解析:[多选题]57.例如集合外的一个点,该点到该集合的距离是A)是该点到集合边界点的最短距离B)是该点到集合内所有点的最短距离C)是该点到集合内任意一点的距离D)是该点到集合内非边界点的某点的距离答案:AB解析:[多选题]58.complie中包含的参数有A)metricsB)lossC)optimizerD)epochs答案:ABC解析:[多选题]59.Keras中的基础层有A)DenseB)BatchNormalizationC)SpatialDropout2DD)DenseFeature答案:ABCD解析:[多选题]60.Logistic回归又称logistic(),是一种广义的(),常用于()等领域A)回归分析B)线性回归分析模型C)数据挖掘,经济预测D)疾病自动诊断答案:ABCD解析:[多选题]61.不使用全连接处理序列问题的原因是A)时间步不能确定B)模型太简单C)只能处理分类D)算法精度不足答案:ABD解析:[多选题]62.CNN的网络训练后,形成模块model,其中数据包括A)所有卷积核B)所有的poolingC)连接层权重D)relu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]63.三元组损失算法中,只有选择难的三元组梯度下降法才能发挥作用。A)正确B)错误答案:对解析:[判断题]64.常用用的池化方式为mean-pooling,max-poolingA)正确B)错误答案:对解析:[判断题]65.Relu函数就是正数不变,负数取零的激活函数A)正确B)错误答案:对解析:[判断题]66.物体检测中应用NMS算法的主要目的是消除多余(交叉重复)的窗口,找到最佳物体检测位置。A)正确B)错误答案:对解析:[判断题]67.深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示A)正确B)错误答案:对解析:[判断题]68.optimizer.zero_grad()只会在小批量中使用A)正确B)错误答案:错解析:[判断题]69.超参数范围中,随机取值是选择合适的标尺进行取值A)正确B)错误答案:对解析:[判断题]70.曼哈顿距离的正式意义为L1-距离或城市区块距离,也就是在欧几里德空间的固定直角坐标系上两点所形成的线段对轴产生的投影的距离总和A)正确B)错误答案:对解析:[判断题]71.梯度和损失函数一样,也是数量函数A)正确B)错误答案:错解析:[判断题]72.损失函数有两个表达方式,均方差表达,和信息熵表达。A)正确B)错误答案:对解析:[判断题]73.考虑某个具体问题时，你可能只有少量数据来解决这个问题。不过幸运的是你有一个类似问题已经预先训练好的神经网络。可以把除了最后一层外所有的层都冻结，重新训练最后一层。A)正确B)错误答案:错解析:[判断题]74.有些领域，采用传统的简单的机器学习方法，可以很好地解决了，没必要非得用复杂的深度学习方法。A)正确B)错误答案:对解析:[判断题]75.张量维度或形状,是用一个向量描述。A)正确B)错误答案:对解析:[判断题]76.MXNet是Facebook公司的深度学习平台。A)正确B)错误答案:错解析:[判断题]77.GatedRecurrentunits的出现可以帮助防止在RNN中的梯度消失问题。()A：对B：错A)正确B)错误答案:对解析:[判断题]78.深度学习是一种实现人工智能的方法。A)正确B)错误答案:错解析:机器学习是一种实现人工智能的方法[判断题]79.导数和偏导没有本质区别,都是当自变量的变化量趋于0时,函数值的变化量与自变量变化量比值的极限A)正确B)错误答案:对解析:[判断题]80.神经网络框架TensorFlow可以安装在Ubuntu、MacOS和Windows系统平台上A)正确B)错误答案:对解析:[判断题]81.BP算法是神经网络发展历程中里程碑式的算法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：实现线性回归y=w*x。答案:ImporttensorflowastfImportnumpyasnp#样本，输入列表，正太分布(NormalDestribution)，均值为1,均方误差为0.1,数据量为100个X_vals=np.random.normal(1,0.1,100)#样本输出列表，100个值为10.0的列表Y_vals=np.repeat(10.0,100)X_data=tf.placeholder(shape=[1],dtype=tf.float32)Y_target=tf.placeholder(shape=[1],dtype=tf.float32)A=tf.Variable(tf.random_normal(shape=[1]))#我们定义的模型，是一个线型函数，即y=w*x，也就是my_output=A*x_data#x_data将用样本x_vals。我们的目标是，算出A的值。#其实已经能猜出，y都是10.0的话，x均值为1,那么A应该是10。哈哈My_output=tf.multiply(x_data,A)#损失函数，用的是模型算的值，减去实际值，的平方。y_target就是上面的y_vals。Loss=tf.square(my_output-y_target)Sess=tf.Session()Init=tf.global_variables_initializer()#初始化变量Sess.run(init)#梯度下降算法，学习率0.02,可以认为每次迭代修改A，修改一次0.02。比如A初始化为20,发现不好，于是猜测下一个A为20-0.02My_opt=tf.train.GradientDescentOptimizer(learning_rate=0.02)Train_step=my_opt.minimize(loss)#目标，使得损失函数达到最小值Foriinrange(100):#0到100,不包括100#随机从样本中取值rand_index=np.random.choice(100)rand_x=[x_vals[rand_index]]rand_y=[y_vals[rand_index]]#损失函数引用的placeholder(直接或间接用的都算),x_data使用样本rand_x，y_target用样本rand_ysess.run(train_step,feed_dict={x_data:rand_x,y_target:rand_y})#打印ifi%5==0:print('step:'+str(i)+'A='+str(sess.run(A)))print('loss:'+str(sess.run(loss,feed_dict={x_data:rand_x,y_target:rand_y})))解析:[问答题]83.tf.nn.conv2d(input,filter,strides=[1,1,1,1],padding="VALID")，该卷积函数中填充方式为_____。答案:不使用0填充；解析:[问答题]84.为什么引入非线性激活函数？答案:用以解决非线性问题解析:[问答题]85.图片数据在送入神经网络之前一般需要_______答案:展平解析:[问答题]86.全连接层中的_______被忽视了答案:数据形状解析:[问答题]87.编程：训练单个神经元。一个含有连个两个输入的神经元，指定一个输入x1=x2=1,期望y能输出0.3。要求不断的输入x1=x2=1,然后不断的训练权重w与偏置b值，训练一万次后，再次输入x1与x2输出y的值是否为0.3。答案:ImporttensorflowastfX=tf.placeholder(tf.float32,[1,2])W=tf.Variable(tf.truncated_normal([2,1]),name="weight")B=tf.Variable(tf.truncated_normal([1]),name="bias")Y=tf.nn.sigmoid(tf.matmul(x,w)+b)Y_=tf.placeholder(tf.float32,[1])Loss_value=tf.reduce_mean(tf.square(y_-y))Train_step=tf.train.GradientDescentOptimizer(0.01).minimize(loss_value)Init=tf.global_variables_initializer()Withtf.Session()assess:sess.run(init)forlineinrange(10000):sess.run(train_step,feed_dict={x:[[1,1]],y_:[0.3]})print(line,sess.run(w,feed_dict={x:[[1,1]]}))print(sess.run(y,feed_dict={x:[[1,1]]}))解析:[问答题]88.卷积层可以保持_______不变答案:数据形状解析:[问答题]89.普通反向传播算法和随时间的反向传播算法(BPTT)有什么技术上的不同?A)与反向传播不同的。RPTT会在每个时间步长内减夫所有对应权重的梯度B)传播不同是，BPTT会在每个时间步长内叠加所有对应权重的梯度答案:B解析:[问答题]90.卷积函数中strides参数的作用是什么