人工智能深度学习技术练习(习题卷22)

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22)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47题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.在绘图时?-?表示那种风格字符（）。A)虚线B)实线C)点划线D)点虚线[单选题]2.对于神经网络的说法，下面正确的是:1.增加神经网络层数，可能会增加测试数据集的分类错误率2.减少神经网络层数，总是能减小测试数据集的分类错误率3.增经网络层数，总是能减小训练数据集的分类错误率A)1B)1和3C)1和2D)2[单选题]3.如果从python一侧,想得到tf的节点S对应的值,需要下列:A)A=tf.run(S)B)A=S.valueC)A=S.eval()D)tf.assign(A,S)[单选题]4.双曲正切函数tanh是,它总体上()S型函数A)优于B)劣于C)等于D)大于等于[单选题]5.从()、比较比对、逐渐逼近的循环过程就是建立数学模型A)测量B)校准C)回归D)监督[单选题]6.pytorch保留整数部分，向0归整的函数是A)roundB)floorC)ceilD)trunc[单选题]7.以下不是tensorflow2.0相对1.0的优势是：A)无需运行会话B)无序占位符C)不需要使用梯度优化D)自动求微分[单选题]8.Keras的缺点是A)需要启动会话B)入门简单C)必须配合其他框架使用D)过度封装导致丧失灵活性[单选题]9.判断和之前信息是否有用的门是A)遗忘门B)输入门C)输出门D)更新门[单选题]10.对于神经网络,AW=Y,其中A是训练集合,Y是标签集合,总体损失函数E一般表示为是:A)0.5乘(Y-AX)的范数平方B)(Y-AX)C)Y对X的偏导数D)(AX-Y)[单选题]11.Tf.reshape(tensor,shape,name=None)函数的作用是将tensor变换为参数shape形式,其中的shape为一个()形式。-1所代表的含义是我们不用亲自去指定这一维的大小,函数会自动进行计算A)矢量B)向量C)列表D)凸集[单选题]12.下面哪个方法是对于空间数据的最大池化（）A)MaxPooling2DB)AveragePooling1DC)AveragePooling2DD)GlobalAveragePooling2D[单选题]13.如果拋一个硬币,拋一次算一个事件结果;拋两次算一个事件结果;他们是A)一个概率空间B)两个概率空间C)一个样本空间D)一个概率空间,两个事件[单选题]14.下列关于运算符的说法正确的是（）。A)算术运算符包括加、减、乘、除4种B)运算符?=?和运算符?==?是等效的C)逻辑表达式xD)指数运算符的优先级最高[单选题]15.pytorch封装类正向传播的函数是：A)callB)forwardC)backD)research[单选题]16.为节省神经网络模型的训练时间，神经网络模型的权重和偏移参数一般初始化为A)0.5B)1C)随机值D)0[单选题]17.实例的存储类似普通云服务器，分为系统盘和（）A)文档盘B)数据盘C)软件盘D)内存盘[单选题]18.四维张量一般用来表示A)灰度图B)彩色图C)视频D)时间[单选题]19.lstm中的门，使用哪个激活函数控制A)reluB)sigmoidC)tanhD)softmax[单选题]20.提升管道性能描述错误的是：A)使用prefetch方法让数据准备和参数迭代两个过程相互并行。B)使用map时设置num_parallel_calls让数据转换过程多进程执行。C)使用cache方法让数据在第一个epoch后缓存到内存中，仅限于数据集不大情形。D)使用map转换时，不用batch,采用向量化的转换方法对每个batch进行转换。[单选题]21.带有正则化处理的函数是A)reLuB)sigmoidC)softmaxD)dropout[单选题]22.关于TensorFlow的描述，以下选项中错误的是（）。A)TensorFlow是Python语育的一套优秀的CU图形库B)TensorFlow是谷歌公司基于DistBelief进行研发的第二代人工智能学习系统C)Tensor(张逊)指N维数组,Flow(流)指燕于数据流图的计算D)TensorFlow描述张量从流图的一端流动到另三端的计算过程[单选题]23.Anaconda是一款（）软件。A)开源的python版本，包含conda、python等180多个科学包以及其依赖项B)是一款深度学习开发软件，集成了很多开发包C)是一款深度学习编译环境，提供了生成的APID)是一款版本管理平台，提供了不同版本的管理功能[单选题]24.keras中只保留模型的权重可以通过()方法实现A)model.save_weight()B)model.save_weights()C)model.save()D)model.json()[单选题]25.下列哪一项属于特征学习算法(representationlearningalgorithm)?()A)K近邻算法B)随机森林.C)神经网络D)都不属于[单选题]26.计算数组中间值的命令正确的是（）。A)min()B)max()C)mean()D)median()[单选题]27.能实现将一维数据写入CSV文件中的是（）A)foB)frC)foD)fname[单选题]28.RMSprop相比Momentum,可以选择更大的()A)损失函数B)学习率C)激活函数D)样本集[单选题]29.局部平均值又被称为A)常规平均值B)栅格平均值C)移动平均值D)唯一平均值[单选题]30.经典的网络LeNet-5第七层是全连接层Output.这个层共有10个节点分别代表输出数字范围是()A)0和9B)0*9C)0到9D)0到10[单选题]31.pytorch中求梯度的方式是A)optimizer.zero_grad()B)zero.autoC)cost.backward()D)optimizer.step()[单选题]32.Tf的全局变量初始化语句是A)tf.global_variables_initializer()B)tf.variables_initializerC)sess.run(w.initializer)D)tf.initializer()[单选题]33.一般来说,数学模型需要度量对比,则:A)需要满足距离空间B)可以不满足距离空间C)与距离无关D)以上全对[单选题]34.对于序列[1,2.1,1.9,1,3.1,2.9]可能是A)二项式分布B)高斯分布C)均匀分布D)0-1分布[单选题]35.矩阵A的Frobenius范数定义为矩阵A各项元素的绝对值平方的总()A)差B)点乘C)和D)商[单选题]36.可以处理梯度计算的参数是：A)requires_gradB)biasC)grad_outputD)ctx[单选题]37.对于概率空间,集合的划分,与下列最有关系的是A)距离空间B)概率空间C)向量空间D)排序[单选题]38.将numpy转成tensor的方式是：A)cloneB)tensorC)from_numpyD)view[单选题]39.哪个算法同一层使用不同的卷积核尺寸进行计算A)LeNetB)AlexNetC)ResNetD)Inception[单选题]40.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。可以用下面哪种方法来利用这个预先训练好的网络?A)除了最一层外所有的层都冻结，重新训练最后一层B)据重新训练模型C)只对最后几层进行调参(finetune)D)一进行选数用[单选题]41.使用函数tf.nn.conv2d()主要的目的是()A)增强图像B)简化图像C)特征提取D)图像处理[单选题]42.当使用conv2D层作为模型第一层时，需要提供()参数A)inputB)input_shapeC)input_dimD)output_dim[单选题]43.CNN传递数据处理时，数据应该是（）维度A)1B)2C)3D)4[单选题]44.Whatdoesaneuroncompute?DA)AneuroncomputesthemeanofallfeaturesbeforeapplyingtheoutputtoanactivationfunctionB)Aneuroncomputesafunctiongthatscalestheinputxlinearly(Wx+b)C)Aneuroncomputesanactivationfunctionfollowedbyalinearfunction(z=Wx+b)D)Aneuroncomputesalinearfunction(z=Wx+b)followedbyanactivationFunction[单选题]45.前向传播过程+反向传播过程,接下来只需要进行(),不断调整边的权重A)求偏导B)求和C)四舍五入D)迭代[单选题]46.想要处理梯度消失,相对最好的激活函数是:A)sigmoidB)ReluC)tanhD)LeakyRelu[单选题]47.本学期的大作业，手写数字识别性能的最低要求是多少（）。A)90%B)95%C)97%D)99%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.卷积操作的主要目的就是对图像进行（）A)增强B)降维C)理解D)特征提取[多选题]49.梯度下降法目前主要分为三种方法,区别在于每次参数更新时计算的样本数据量不同：A)小批量梯度下降法B)批量梯度下降法C)随机梯度下降法D)大量梯度下降法[多选题]50.数和矩阵相乘在函数和矩阵与矩阵相乘的函数分别是?A)tf.multiply(x2,y2)B)tf.matmul(x,y)C)tf.equalD)tf.cast[多选题]51.使用one-hot方法表示词汇有什么缺点?A)每个单词需要用高维向量来表示,而且只有一个数是零,其他都是1,表示冗余,存储量大B)每个单词表示的向量相乘都为零(正交),无法表示词汇之间的联系C)效率非常高D)能够处理非连续型数值特征[多选题]52.如果是填充后求卷积,图像尺寸不变化A)以0填充B)填充厚度为卷积核厚度减1的一半C)步长为1D)图像尺寸变小[多选题]53.计算图由（）和（）组成A)节点B)线C)张量D)变量[多选题]54.pytorch求导的方式可以是：A)backwardB)autograd.gradC)自动微分和优化器D)梯度磁带[多选题]55.Mini-batch比较好的取值有A)16B)32C)64D)128[多选题]56.关于连接主义,正确描述是A)基础理论是神经网络B)深度学习属于连接主义C)又称仿生学派D)产生在20世纪50年代产生[多选题]57.引起欠拟合的原因有（）A)数据量大大，无法进行训练B)数据本身是非线性的但使用了线性模型C)模型本身过于简单D)特征数太少无法正确的建立统计关系[多选题]58.不能实现总体求和、总体平均的函数是:A)tf.reduce_sumB)tf.multiplyC)tf.reduce_meanD)tf.norm[多选题]59.Momentum算法可以使用()下降A)batchB)mini-batchC)LassoD)Ridge[多选题]60.深度学习中三个主义分别是A)符号主义B)连接主义C)激活主义D)行为主义[多选题]61.以下属于激活函数的有:A)ReluB)dropoutC)sigmoidD)softmax[多选题]62.语句中:tensorflow.truncated_normal(shape,mean,stddev)以下说法正确的是A)shape是张量形状B)正态随机数填充C)随机数需截断D)方差是stddev第3部分：判断题，共19题，请判断题目是否正确。[判断题]63.计算图只有在会话提供的环境中才能运行，分配计算资源。A)正确B)错误[判断题]64.提升卷积核(convolutionalkernel)的大小会显著提升卷积神经网络的性能。A)正确B)错误[判断题]65.Batch归一化增加了隐藏值分布变化的数量A)正确B)错误[判断题]66.Linux，全称GNU/Linux，是一种免费使用和自由传播的类UNIX操作系统A)正确B)错误[判断题]67.深度学习模型需要大量的训练数据，才能展现出神奇的效果，但现实生活中往往会遇到小样本问题，此时深度学习方法无法入手，传统的机器学习方法就可以处理A)正确B)错误[判断题]68.如果想获取当前场景背景的图像,则可以通过图像差分便可以提取出前景A)正确B)错误[判断题]69.当学习率设置的过大时,收敛过程将变得十分缓慢。而当学习率设置的过小时,梯度可能会在最小值附近来回震荡,甚至可能无法收敛A)正确B)错误[判断题]70.人工智能的两条技术发展路径分别是以模型学习驱动的数据智能、以认知仿生驱动的类脑智能。()A)正确B)错误[判断题]71.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随机赋值。A)正确B)错误[判断题]72.池化是降采样的唯一手段A)正确B)错误[判断题]73.风格迁移的内容可以被卷积神经网络更靠顶部的层激活所捕捉到。A)正确B)错误[判断题]74.Padding(填充)属性定义元素边框与元素内容之间的空间A)正确B)错误[判断题]75.给定概率空间,信息熵是针对无限个概率事件的。A)正确B)错误[判断题]76.BP网络的输入输出关系实质上是一种映射关系:一个n输入m输出的BP神经网络所完成的功能是从n维欧氏空间向m维欧氏空间中一有限域的连续映射,这一映射具有高度非线性。A)正确B)错误[判断题]77.Dropout的比例增加，模型能力增加。A)正确B)错误[判断题]78.卷积神经网络和循环神经网络都会发生权重共享。A)正确B)错误[判断题]79.常用来进行数据类型转换的函数是tf.fcast()A)正确B)错误[判断题]80.深度学习是机器学习的一种，而机器学习是实现人工智能的必经路径。A)正确B)错误[判断题]81.每个神经元可以有一个输入和多个输出。A)正确B)错误第4部分：问答题，共19题，请在空白处填写正确答案。[问答题]82.声明一个张量b=tf.constant([1,2,3],[4,5,6],dtype=32)，则该张量的形状为_______。[问答题]83.在计算图节点间传递的数据都是______。[问答题]84.最大池化的具体操作是什么？[问答题]85.编程：实现下载并输出MNIST数据集的相关属性。[问答题]86.加深层的好处之一是可以_______网络的参数数量[问答题]87.简述tensorflow的构建阶段和执行阶段所做的操作。[问答题]88.写出变量定义函数的语法格式。[问答题]89.写出下图的卷积运算的运算结果和运算过程[问答题]90.卷积神经网络池化层的结构特点。[问答题]91.请你说说深度学习你都知道哪些框架？[问答题]92.什么是过拟合？什么是欠拟合？[问答题]93.循环神经网络，为什么好?[问答题]94.编程：实现简单回归。注：x_data和y_data是伪造的训练数据，默认权重Weight与偏置bias。[问答题]95.dropout=tf.nn.dropout(result,0.5,noise_shape=[4,1])，该程序中，隐藏层节点以_____的概率丢弃。[问答题]96.编程：使用Tensorflow定义两个矩阵，使用两种会话方法输出2个矩阵相乘的结果。[问答题]97.简述BP神经网络模型结构。[问答题]98.设置图形标题的方法_______[问答题]99.训练训练神经网络模型的步骤。[问答题]100.Dropunt是一种在学习的过程中_______神经元的方法1.答案:B解析:难易程度：易题型：2.答案:A解析:3.答案:A解析:4.答案:A解析:5.答案:A解析:6.答案:D解析:7.答案:C解析:8.答案:D解析:9.答案:A解析:10.答案:A解析:11.答案:C解析:12.答案:A解析:13.答案:B解析:14.答案:D解析:难易程度：中题型：15.答案:B解析:16.答案:C解析:17.答案:B解析:18.答案:C解析:批量图片，视频都可以是四维的19.答案:B解析:20.答案:D解析:21.答案:D解析:22.答案:A解析:难易程度：易题型：23.答案:A解析:24.答案:B解析:25.答案:C解析:26.答案:D解析:难易程度：易题型：27.答案:A解析:难易程度：易题型：28.答案:B解析:29.答案:C解析:30.答案:C解析:31.答案:C解析:32.答案:A解析:33.答案:A解析:34.答案:C解析:35.答案:C解析:36.答案:A解析:37.答案:B解析:38.答案:C解析:39.答案:D解析:40.答案:C解析:41.答案:C解析:42.答案:B解析:43.答案:D解析:44.答案:D解析:45.答案:D解析:46.答案:D解析:47.答案:B解析:难易程度：易题型：48.答案:BD解析:49.答案:ABC解析:梯度下降法目前主要分为三种方法,区别在于每次参数更新时计算的样本数据量不同：批量梯度下降法(BGD,BatchGradientDescent)随机梯度下降法(SGD,StochasticGradientDescent)小批量梯度下降法(Mini-batchGradientDescent)50.答案:AB解析:51.答案:AB解析:52.答案:ABC解析:53.答案:AB解析:54.答案:ABC解析:55.答案:ABCD解析:56.答案:ABCD解析:57.答案:BCD解析:引起欠拟合的原因有：1、模型本身过于简单，例如数据本身是非线性的但使用了线性模型；2、特征数太少无法正确的建立统计关系。58.答案:BD解析:59.答案:AB解析:60.答案:ABD解析:61.答案:ACD解析:62.答案:ABC解析:63.答案:对解析:64.答案:错解析:65.答案:错解析:66.答案:对解析:Linux，全称GNU/Linux，是一种免费使用和自由传播的类UNIX操作系统67.答案:对解析:深度学习模型需要大量的训练数据，才能展现出神奇的效果，但现实生活中往往会遇到小样本问题，此时深度学习方法无法入手，传统的机器学习方法就可以处理68.答案:对解析:69.答案:错解析:70.答案:对解析:71.答案:错解析:72.答案:错解析:73.答案:对解析:74.答案:对解析:75.答案:错解析:76.答案:对解析:77.答案:错解析:78.答案:对解析:79.答案:错解析:80.答案:对解析:81.答案:对解析:82.答案:(2,3)；解析:83.答案:张量；解析:84.答案:最大池化的具体操作是：整个图片被不重叠的分割成若干个同样大小的小块（poolingsize）。每个小块内只取最大的数字，再舍弃其他节点后，保持原有的平面结构得出结果。解析:85.答案:Fromtensorflow.examples.tutorials.mnistimportinput_dataMnist=input_data.read_data_sets("data/",one_hot=True)Print(mnist.train.images.shape)Print(mnist.train.labels.shape)Print(mnist.validation.images.shape)Print(mnist.validation.labels.shape)Print(mnist.test.images.shape)Print(mnist.test.labels.shape)解析:86.答案:减少解析:87.答案:TensorFlow程序通常被组织成计算图的构建阶段和执行阶段。在构建阶段，节点的执行过程被描述成一个图，在执行阶段，使用会话执行图中的节点，产生结果。解析:88.答案:Tf.Variable(initial_value,trainable=True,collections=None,validate_shape=True,name=None)解析:89.答案:>解析:90.答案:池化层的主要作用是将一张高分辨率的图片转换为低分辨率的图片，从而达到减少整个神经网络参数的目的。解析:91.答案:Tensorflow；caffe；pytorch；MXNet。解析:92.答案:①对某个数据集过度拟合的状态称为过拟合②模型在训练数据上没有获得充分小的误差解析:93.答案:循环神经网络模型（RNN）是一种节点定向连接成环的人工神经网络，是一种反馈神经网络，RNN利用内部的记忆来处理任意时序的输入序列，并且在其处理单元之间既有内部的反馈连接又有前馈连接，这使得RNN可以更加容易处理不分段的文本等。解析:94.答案:#首先引进需要的包ImporttensorflowastfImportnumpyasnpIf__name__=="__main__":#x_data和y_data是伪造的训练数据x_data=np.random.rand(100).astype(np.float32)y_data=0.1*x_data+0.3#默认权重Weight与偏置bias#tf.random_uniform三个参数shape,minval,maxval#tf.Variable必要参数initial_value是一个tensorWeight=tf.Variable(t