人工智能深度学习技术练习(习题卷8)

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8)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.Tf.equal(0,False)的结果是A)1B)0C)TrueD)False答案:C解析:[单选题]2.keras中dataset中洗牌的参数是A)mapB)filterC)shuffleD)batch答案:C解析:[单选题]3.关于聚类算法，下列说法正确的是（）。A)Means算法适用于发现任意形状的簇B)层次聚类适用于大型数据集C)DBSCAN能在具有噪声的空间中发现任意形状的簇D)GMM是混合模型中计算速度最快的算法，且占用的计算资源较少答案:C解析:难易程度：中题型：[单选题]4.将二维数据展开成全连接的函数是A)DropoutB)BatchNormalizationC)DenseFeatureD)Flatten答案:D解析:[单选题]5.Relu是用来做什么的?A)返回x的负数B)仅当x大于零时，返回xC)仅当x小于零时，返回xD)返回x的倒数答案:B解析:[单选题]6.Siamese网络试用与做验证任务,最常见的是针对()元组和三元组的二分支、三分支网络A)一B)二C)三D)四答案:B解析:[单选题]7.以下不是ALexNet的创建功能：A)dropoutB)GPUC)reluD)残差处理答案:D解析:[单选题]8.在一个神经网络里，知道每一个神经元的权值和偏差值是最重要的一步。如果以某种方法知道了神经元准确的权重和偏差，就可以近似任何函数。实现这个最佳的办法是A)A随机赋值，祈祷他们是正确的B)搜索所有权重和偏差的组合，直到得到最佳值C)赋予一个初始值，通过检查跟最佳值的差值，然后迭代更新权重D)以上说法都不正确答案:C解析:[单选题]9.T=[[1,2,3],[4,5,6],[7,8,9]]，张量t是几阶张量A)1B)2C)3D)9答案:B解析:[单选题]10.20世纪被称作第三次科技革命的重要标志之一的计算机的发明与应用,因为数字计算机只能识别和处理由?0?.?1?符号串组成的代码。其运算模式是()A)键盘B)磁盘C)显示器D)二进制答案:D解析:[单选题]11.LeNet-5网络是针对灰度图进行训练的,输入图像大小为32*32*1,不包含输入层的情况下共有()层,即2层卷积,2层池化,3层全连接,每一层都包含可训练参数(连接权重)A)5B)7C)8D)16答案:B解析:[单选题]12.在优化算法中,学习率会:A)保持不变B)持续减小C)持续增大D)不变答案:B解析:[单选题]13.pytorch减少维度的函数是：A)reshapeB)squeezeC)unsqueezeD)transpose答案:B解析:[单选题]14.pytorch中拼接的函数是A)concatB)c_C)catD)concateete答案:C解析:[单选题]15.可以实现多个卷积尺寸处理算法的网络是A)lenetB)alexnetC)vggD)Inception答案:D解析:[单选题]16.将多个LSTM组合成层,网络中有多层,复杂的结构能够处理更大范围的()A)动态性B)静态性C)不稳定性D)鲁棒性答案:A解析:[单选题]17.MNIST数据集包含训练集、验证集和（）A)测试集B)补充集C)标签集D)以上都不对答案:A解析:[单选题]18.optimizer.zero_grad()的作用是A)梯度初始化B)重新计算迭代次数C)重新计算代价D)优化器优化结果到0答案:A解析:[单选题]19.A=2133−21，B=12−2−1−30，求AB（）。A)87−6−30−35−7−9B)8−7−6−30−35−7−9C)8−7−6−30−357−9D)8−7−6−3035−7−9答案:B解析:难易程度：易题型：[单选题]20.Tf中placeholder是一个A)常量B)变量C)占位符D)函数答案:C解析:[单选题]21.在Mnist库的四个文件意义是:A)图像集、训练标签集、测试集、测试标签集B)原始集、训练集、标签集、测试集C)训练集、训练标签集、测试集、测试标签集D)图像集、附加图像集、测试图像集、测试附加集答案:C解析:[单选题]22.tensorflow一般和哪个框架配合使用A)kerasB)pytorchC)mxnetD)caffee答案:A解析:[单选题]23.学生数学建模比赛由中国工业与()共同主办A)应用数学学会B)教育部C)工信部D)IEEE答案:A解析:[单选题]24.以下数据集分配方式错误的是:A)2亿条数据,测试集数量可以少于4千万条B)数据量较少时,训练集和测试集可以按照7:3分配C)在一些情况下,可以将全部数据作为训练集D)小数据量时,训练,验证,测试集比例可以按照6:2:2进行分配答案:C解析:[单选题]25.函数x*ln(x)的导数是A)ln(x)+1B)xC)lnxD)1/x答案:A解析:[单选题]26.在卷积神经网络中,函数tf.argmax()可以返回vector中的最大值的索引号或者是最大值的()A)上标B)下标C)坐标D)内积答案:B解析:[单选题]27.pytorch中可以用于线性分类的损失指标是A)F.binary_cross_entropyB)F.mse_lossC)F.cross_entropyD)都不是答案:B解析:[单选题]28.深度学习元年是（）年A)2016B)2006C)2008D)2022答案:B解析:[单选题]29.图像卷积处理中,例如32X32,strides=1,padding="VALID",FILTER卷积核3*3,则经过卷积处理之后图像尺寸变为?A)28X28B)14X14C)30X30D)32X32答案:C解析:[单选题]30.关于数据库数据的读写，下列说法正确的有（）。A)read_sql_table可以使用SQL语句读写数据库数据B)pandas除了read_sql之外，没有其他数据库读写函数C)使用read_sql函数读取数据库数据时不需要使用数据库连接D)read_sql既可以使用SQL语句读取数据库数据，又可以直接读取数据库表答案:D解析:难易程度：中题型：[单选题]31.我们课堂中最早使用的第一个手写数字识别神经网络使用那个深度学习框架（）。A)飞桨B)TensorFlowC)PytorchD)以上都不是答案:D解析:难易程度：易题型：[单选题]32.训练神经网络可以修改的参数有（）。A)学习速率B)梯度下降参数C)回归参数D)RELU答案:A解析:难易程度：易题型：[单选题]33.如果我们使用了一个过大的学习速率会发生什么（）。A)神经网络快速收敛B)不好说C)都不对D)神经网络不会收敛答案:B解析:难易程度：易题型：[单选题]34.max(0,x)是那个激活函数的结果A)reluB)softmaxC)tanhD)leaky-relu答案:A解析:[单选题]35.通常全连接层在卷积神经网络的()A)前几层B)尾部层C)中间层D)前后几层答案:B解析:[单选题]36.关于结构化程序设计方法原则的描述，以下选项中错误的是（）。A)自顶向下B)多态继承C)逐步求精D)模块化答案:B解析:难易程度：易题型：[单选题]37.Sigmoid函数的特点是（）。A)急剧变化B)x=0时等于0.5C)最大值等于1D)不能用在神经网络中答案:B解析:难易程度：易题型：[单选题]38.第一次使用GPU的网络模型是A)lenetB)alexnetC)resnetD)inception答案:B解析:[单选题]39.Tf语句y=tf.multiply(a,B,的意思是A)构造一个变量B)构造一个op(操作)C)构造一个任务D)构造一个函数答案:B解析:[单选题]40.在课堂中使用分类器将那两种生物进行分类（）A)毛虫和萤火虫B)臭虫和瓢虫C)毛虫和瓢虫D)萤火虫和瓢虫答案:C解析:难易程度：易题型：[单选题]41.随机梯度下降算法是（）。A)MomentumB)AdamC)AdaGradD)SGD答案:D解析:难易程度：易题型：[单选题]42.使用飞桨神经网络学习模型中数据处理的第三个步骤（）。A)数据导入B)数据集划分C)数据归一化处理D)数据形状变换答案:B解析:难易程度：易题型：[单选题]43.解决回归问题的神经网路一般有（）个输出。A)1B)2C)根据具体生产环境确定D)以上都不对答案:A解析:[单选题]44.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?AA)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)都不正确答案:A解析:[单选题]45.与传统机器学习方法相比，深度学习的优势在于A)深度学习可以自动学习特征B)深度学习完全不需要做数据预处理C)深度学习完全不提取底层特征，如图像边缘、纹理等D)深度学习不需要调参答案:A解析:[单选题]46.可以在同一个会话中运行两个图吗?()A)可以B)不可以C)可能可以D)以上都错答案:B解析:[单选题]47.在面向对象编程中，可以获得父类属性的特征是（）。A)封装B)多态C)继承D)都不是答案:C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.使用relu激活函数的网络结构有A)LeNetB)AlexNetC)ResNetD)Inception答案:BCD解析:[多选题]49.循环模型中，除了存在c状态，还存在h状态的模型有A)rnnB)lstmC)gruD)embadding答案:BC解析:[多选题]50.对数坐标下,在[a,b]区间随机随机均匀地给r取值的说法正确的是A)取最小值的对数得到a的值B)取最小值的对数得到b的值C)取最大值的对数得到a的值D)取最大值的对数得到b的值答案:AD解析:[多选题]51.在循环神经网络中,哪些技术可以改善梯度消失问题A)LSTMB)GRUC)RNND)BRNN答案:AB解析:[多选题]52.张量语句tf.concat()是:A)合并张量B)与张量维度有关C)实现代数运算D)输入数据是一个张量答案:AB解析:[多选题]53.当使用predict_classes()方法进行预测时，返回的是（）。A)属于每一类的概率B)类别的索引C)样本准确率D)该样本所属的类别标签答案:BD解析:[多选题]54.涉及到1*1卷积的网络模型有A)lenetB)alexnetC)resnetD)inception答案:CD解析:[多选题]55.迁移学习之开发模型的方法包括那几种?A)选择源任务B)开发源模型C)重用模型D)调整模型答案:ABCD解析:[多选题]56.pytorch张量合并的函数是A)catB)stackC)splitD)shape答案:AB解析:[多选题]57.要抽象和展示MathematicalModel通常会使用()等方式A)数学符号B)数学式子C)程序D)图形答案:ABCD解析:[多选题]58.BPTT算法是针对循环层的训练算法,它的基本原理和BP算法是一样的,也包含同样的几个步骤:A)前向计算每个神经元的输出值B)反向计算每个神经元的误差项值,它是误差函数E对神经元j的加权输入的偏导数C)计算每个权重的梯度D)最后再用随机梯度下降算法更新权重答案:ABCD解析:[多选题]59.分别加载模型结构和权重，就是分别加载模型结构文件和模型权重文件，下面哪些方法能实现上述功能？A)model_from_json()B)model.from_weights()C)model_from_yaml()D)load_weights()答案:ACD解析:[多选题]60.Sigmoid函数的性质有哪些?A)将输出数据压缩到[0,1]集合范围B)能解决非线性分类问题C)将负的权值映射到正值D)将正权值映射到负数答案:ABC解析:[多选题]61.由深度神经网络构成的网络结构中,其构成通常会包括那些层?A)输入层B)卷积层(激活函数)C)池化层D)全连接层答案:ABCD解析:[多选题]62.假定一个全连接网络有三个权重矩阵维度为W1[a,b],W2[c,d],W3[e,f],该网络A)输入维度为[M,a]B)输出维度[M,f]C)输入数据维度为[a,b]D)输出数据维度为[e,f]答案:AB解析:第3部分：判断题，共19题，请判断题目是否正确。[判断题]63.一句话所言事物的实现概率大,信息熵越大。A)正确B)错误答案:错解析:[判断题]64.在自然界信息传播速度,是以指数函数的速度进行的。A)正确B)错误答案:对解析:[判断题]65.归一化指数函数Softmax函数,是用来将运算结果映射到概率空间。A)正确B)错误答案:对解析:[判断题]66.人工神经网络是机器学习的子集,机器学习是人工智能体系的子集A)正确B)错误答案:对解析:[判断题]67.有了联结权重w和激活函数H(x)之后,就可以由前往后计算,依次算出所有的经过联结权重处理后的输出值,经过激活函数处理之后的输出值,最终算出输出层的y值。这就是前向传播算法A)正确B)错误答案:对解析:[判断题]68.在tensorflow中，真实值和计算值之间的交叉熵越大越好。A)正确B)错误答案:错解析:[判断题]69.自然界任何物体都存在固定振动频率,当外界有相同频率振动,就能使该物体产生共振。A)正确B)错误答案:对解析:[判断题]70.损失函数,是个数量函数,张量维度为0A)正确B)错误答案:对解析:[判断题]71.zero_grad用于更新梯度A)正确B)错误答案:对解析:[判断题]72.X.assign(100)是条立即数赋值语句。A)正确B)错误答案:对解析:[判断题]73.对于概率空间一个任意划分,其结果依然是概率空间。A)正确B)错误答案:对解析:[判断题]74.希尔伯特空间也是一个内积空间A)正确B)错误答案:对解析:[判断题]75.全连接层能够实现卷积运算。A)正确B)错误答案:错解析:[判断题]76.在被卷积的2D图像上进行滑动,并在每个位置上与该像素点及其相领的像素点进行内积,这就是二维卷积的功能A)正确B)错误答案:对解析:[判断题]77.TrueNegatives代表的是真负例A)正确B)错误答案:对解析:[判断题]78.20世纪80年代，计算机硬件的性能不断提高，PC的市场不断扩大，当时可供计算机选用的操作系统主要有Unix、DOS和macOS这几种。A)正确B)错误答案:对解析:[判断题]79.多对多和多对一是常用的循环处理方式A)正确B)错误答案:对解析:[判断题]80.反向传播过程中权重是同时更新的A)正确B)错误答案:对解析:[判断题]81.句子向量表示只能通过有监督学习获得A)正确B)错误答案:错解析: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：定义matmul函数，函数实现两个矩阵相乘。答案:ImporttensorflowastfDefmatmul(a,b):a=tf.constant(a)b=tf.constant(b)c=tf.matmul(a,b)sess=tf.Session()result=sess.run(c)sess.close()returnresult解析:[问答题]83.创建会话的代码为_____。答案:Tf.Session()；解析:[问答题]84.卷积核的深度应该_____输入图片的通道数。答案:等于；解析:[问答题]85.简述tensorflow深度学习框架的特点答案:运算性能强、支持生产环境部署、语言接口丰富。解析:[问答题]86.tensorflow是什么？答案:TensorFlow是由GoogleBrain团队为深度神经网络（DNN）开发的功能强大的开源软件库，于2015年11月首次发布，在Apache2.x协议许可下可用。截至今天，短短的两年内，其GitHub库大约845个贡献者共提交超过17000次，这本身就是衡量TensorFlow流行度和性能的一个指标。解析:[问答题]87.CNN中，随着层次的加深，提取信息越来越_______答案:抽象解析:[问答题]88.简述卷积的物理意义。答案:卷积原本是一种积分变换的数学方法，是通过两个函数f和g生成第三个函数的算子。在图像处理领域，卷积是图像处理的一种常用线性滤波方法，使用卷积可以达到图像降噪、锐化等滤波效果。解析:[问答题]89.函数eval()的作用是_________。答案:输出节点的值；解析:[问答题]90.名词解释：区域映射答案:使感兴趣范围的灰度变亮（或变暗），而保持其他灰度级不变-即区域映射解析:[问答题]91.在深度神经网络训练中，从经验来看，随着网络深度的增加，模型理论上可以取得更好的结果。但是实验却发现，深度神经网络中存在着退化问题(Degradationproblem)。如VGG网络设计为56层的网络比20层网络效果还要()。答案:差解析:[问答题]92.sigmoid函数的导数在任何地方都不为_______答案:0解析:[问答题]93.编程：假设我们有一个曲线的样本（例如f(x)=5x^2+3），在不知道它的参数的前提下实现估计f(x)。答案:ImportnumpyasnpImportTensorFlowastfX=tf.placeholder(tf.float32)Y=tf.placeholder(tf.float32)W=tf.get_variable("w",shape=[3,1])F=tf.stack([tf.square(x),x,tf.ones_like(x)],1)Yhat=tf.squeeze(tf.matmul(f,w),1)Loss=tf.nn.l2_loss(yhat-y)+0.1*tf.nn.l2_loss(w)Train_op=tf.train.AdamOptimizer(0.1).minimize(loss)Defgenerate_data():x_val=np.random.uniform(-10.0,10.0,size=100)y_val=5*np.square(x_val)+3returnx_val,y_valSess=tf.Session()Sess.run(tf.global_variables_initializer())For_inrange(1000):x_val,y_val=generate_data()_,loss_val=sess.run([train_op,loss],{x:x_val,y:y_val})print(loss_val)Print(sess.run([w]))解析:[问答题]94.L2正则化目的是减少参数_________的总和，alt="969f364456489886b945abfc6e08526d.png"width="110"height="42">答案:平方解析:L2正则化目的是减少参数平方的总和[问答题]95.要创建一个所有元素为零的张量，可以使用_______函数。答案:tf.zeros()；解析:[问答题]96.全连接神经网络的缺点是_______。答案:参数太多；解析: