深度学习智慧树知到期末考试答案2024年

深度学习智慧树知到期末考试答案2024年深度学习目前深度学习采用的技术和下列()项智能技术的关系最紧密。

A:符号智能B:神经网络C:不确定智能D:知识表示答案:神经网络下面属于BP的缺点的是（）

A:BP神经网络结果选择不一B:BP网络不会受到训练能力影响C:BP神经网络算法的收敛速度慢D:适应大部分数据训练模式答案:BP神经网络算法的收敛速度慢###BP神经网络结果选择不一计算图从创建到真正执行的过程中经历了多次处理，具体包括以下哪些步骤（）

A:计算图分配B:计算图剪枝C:计算图切分D:计算图优化答案:计算图剪枝###计算图分配###计算图优化###计算图切分BP算法的两个阶段（）

A:反向输出传播B:输入模式正向计算传播C:循环记忆训练D:误差反向传播E:学习结果判别答案:输入模式正向计算传播###误差反向传播人工神经网络的基本特征有（）

A:非局限性B:非线性C:非凸性D:非常定性答案:非凸性###非局限性###非常定性###非线性VGG网络架构中，采用的卷积核的大小为（）

A:5x5B:3x3C:11x11D:1x1答案:3x3###1x1VGG网络架构中，常用的架构为（）

A:VGG17B:VGG16C:VGG18D:VGG19答案:VGG16###VGG19CycleGAN的生成器网络结构由编码层（Encoding）和转换层（Transformation）构成。（）

A:错B:对答案:错TensorFlow中引入了执行流概念。对计算图中的每个节点，执行器将进行流分配，无数据依赖的节点分配到同一流中，有数据依赖的节点分配到不同流中。（）

A:对B:错答案:错TensorFlow中使用计算图来描述机器学习算法的计算过程，展示机器学习算法中所有的计算和状态。（）

A:对B:错答案:对TensorFlow提供了本地分布式执行和分布式本地执行两种执行方式。（）

A:对B:错答案:对数据预处理对数据进行整合，分训练营、测试集以及验证集等。()

A:对B:错答案:对TensorFlow中不同设备和机器间的通信都由Send和Recv节点进行，而Send和Recv使用Rendezvous机制完成数据交互Rendezvous是一个基于生产消费者—消费生产者模型设计的抽象类。（）

A:对B:错答案:对占位符是TensorFlow特有的数据结构，它本身没有初值和内存分配。（）

A:错B:对答案:错在DCGAN中，判别器中使用的激活函数为LeakyReLu。（）

A:错B:对答案:对ResNet网络结构中，包括两种类型的残差块，实线残差结构和虚线残差结构。（）

A:对B:错答案:对自动求导是一种介于数值符号求导和符号数值求导之间的方法（类似于两种方法的融合）。（）

A:错B:对答案:对算子是TensorFlow的基本单元。()

A:错B:对答案:对设备是TensorFlow运行时的实体，每个设备都负责一个子图的运算。()

A:错B:对答案:对神经网络中各个隐藏层能提取出和人类看到的一样的特征。（）

A:错B:对答案:错AlexNet有两个较大的创新点，一个是使用了Relu激活函数，加快了模型的学习过程，另一个就是加入了dropout，可以防止模型的过拟合。（）

A:错B:对答案:对程序开发过程中，常见的编程方式有两种：命令声明式编程和声明命令式编程。（）

A:对B:错答案:对VGG模型的常用架构是VGG16（数字“16”代表网络有16个权重层（）

A:错B:对答案:对人工神经网络层数增多后通常会遇到梯度爆炸、梯度出现等问题。（）

A:错B:对答案:错目标检测是一类重要的计算机视觉算法，这类算法可以同时完成目标提取和目标提炼。（）

A:错B:对答案:错DenseNets有几个引入注目的优势：缓解了梯度消失、加强了特征传播、增强了特征复用和通过较少的通道数减少参数量。（）

A:错B:对答案:对不同框架的区别为网络结构优化器和函数等等都是大同小异()

A:对B:错答案:对一个完整的人工神经网络包括多层分析层和多层隐藏层。（）

A:错B:对答案:错单个人工神经元的动作特征是空间相加性。（）

A:对B:错答案:错人工神经网络发展大致经历过（3）个阶段（）

A:错B:对答案:错人工神经网络训练的目的就是使得损失函数最小化。（）

A:对B:错答案:对一个5x5卷积核需要25个参数，两个3x3的卷积核需要18个参数。（）

A:错B:对答案:对人工神经网络（ANN）可以处理冗余特征。（）

A:错B:对答案:对计算图优化的哪种典型优化方法是主要针对GPU运算的？（）

A:ArithmeticB:LayoutC:ConstFoldD:Remapper答案:AI参考:正确选项是【D:Remapper】。\n\nRemapper是一种典型的计算图优化方法，主要用于针对GPU运算进行优化。它通过对计算图中的节点进行重新映射，优化计算图的布局和拓扑结构，以提高GPU的并行运算效率。其他选项如Arithmetic、Layout和ConstFold虽然也是计算图优化方法，但它们并不是主要针对GPU运算的优化方法。'深度学习是在人工智能领域的哪一个研究流派基础上发展起来的()

A:功能模拟B:行为模拟C:结构模拟D:机制模拟答案:AI参考:正确选项是【C:结构模拟】\n\n深度学习是在人工智能领域基于结构模拟研究流派基础上发展起来的。深度学习是机器学习的一个分支，其目的在于模仿人脑神经系统，使用层级结构来处理和表征数据，以实现对复杂特征的建模。通过结构模拟，深度学习算法可以在输入和输出之间建立更加复杂和精细的映射关系，从而实现对传统机器学习方法无法处理的任务的优化和提升。'TensorFlow的主要设计原则不包括：()

A:高性能B:易开发C:可移植D:健壮性答案:AI参考:正确选项是B：易开发。\n\nTensorFlow的主要设计原则包括高性能、可移植性和健壮性，这三个原则都是为了方便用户使用和推广TensorFlow，而不是为了简化开发过程。虽然TensorFlow也提供了一些简化的API，但总体上来说，它更注重功能和灵活性，而不是易开发。因此，B选项是不正确的。'机器学习方法如果按照使用训练数据的标签信息的情况，可以分为无监督学习、监督学习和（）。

A:启发式学习B:半监督学习C:有教师学习D:无教师学习答案:AI参考:正确选项是B：半监督学习。\n\n机器学习方法按照使用训练数据的标签信息的情况，可以分为无监督学习、监督学习和半监督学习。其中，无监督学习是不使用标签信息，通过数据本身的结构和关系进行学习；监督学习是使用标签信息，通过输入的数据和标签的匹配关系进行学习；而半监督学习则是使用部分有标签的数据进行学习，利用了部分有标签数据和部分无标签数据的优势，进行更准确的学习。因此，选项B是正确答案。其他选项A、C、D都不符合机器学习方法的分类。'下列编程框架中，哪种出现最早：()

A:CaffeB:MXNetC:TensorFlowD:PyTorch答案:AI参考:出现最早的编程框架是：Caffe。\n\n选项A、B、D都属于近年来比较流行的深度学习框架，而Caffe是最早出现的深度学习框架之一，被广泛应用于学术研究和工业生产中。相比之下，MXNet、TensorFlow和PyTorch都是在Caffe之后出现的。因此，答案为A：Caffe。'TensorFlow程序简单来说包括两部分：构建计算图和()

A:解析计算图B:分配计算图C:优化计算图D:执行计算图答案:AI参考:正确选项是【执行计算图】。TensorFlow程序主要由两部分组成：构建计算图和执行计算图。构建计算图是指创建TensorFlow计算结构的过程，包括定义变量、创建操作等；执行计算图则是将构建的计算图运行起来，实现相应的计算。在执行计算图的过程中，TensorFlow会自动优化计算图以达到高效运行的目的。因此，选项C“优化计算图”虽然与TensorFlow优化有关，但不是TensorFlow程序的核心部分。其他选项都不完全符合题意。因此，正确答案是执行计算图（D）。'进行语音识别时，最适合的神经网络是（）

A:反馈神经网络B:生成对抗网络C:循环神经网络D:卷积神经网络答案:AI参考:进行语音识别时，最适合的神经网络是循环神经网络（C）。循环神经网络是一种专门用于处理序列数据的神经网络，特别适合于处理语音、文本等时间序列数据。它们能够捕捉到输入序列中的长期依赖关系，因此在语音识别等任务中表现优异。其他选项中，反馈神经网络（A）通常用于处理反馈控制系统中的信号，生成对抗网络（B）通常用于图像识别等任务，卷积神经网络（D）则是一种适用于图像处理和计算机视觉任务的神经网络。'以下哪一项是指人工神经网络的两种主要功能，也是学习算法与学习规则的目标。（）

A:搜索与存储B:搜索与映射C:建模与存储D:存储与映射答案:AI参考:正确答案是D：存储与映射。\n\n人工神经网络的主要功能是存储和映射，其中存储功能是指将数据和信息存储在神经网络中，而映射功能则是将输入数据映射到输出数据，通过学习算法与学习规则来调整神经元之间的连接强度，从而实现更准确的映射。因此，选项D是正确的答案。选项A和B提到的搜索与存储通常是指人工神经网络的设计和实现过程中需要解决的问题，而选项C提到的建模与存储则是机器学习和人工智能领域中的通用术语，并不特指人工神经网络的功能。'神经网络常用的激活函数之一，ReLU函数的公式定义为（）。

A:B:C:D:答案:AI参考:正确答案是D：ReLU函数的公式定义为f(x)=max(0,x)。ReLU（RectifiedLinearUnit）是一种常用的神经网络激活函数，其作用是将负输入置零，将正输入保持不变。因此，ReLU函数的公式定义为f(x)=max(0,x)，表示当x大于等于零时，输出x；当x小于零时，输出零。'人工神经网络的英文（）

A:DNNB:CNNC:ANND:BNN答案:AI参考:正确选项是【C:ANN】。\n\n人工神经网络（ArtificialNeuralNetwork）的英文缩写为ANN，因此选项C是正确答案。A选项DNN是深度神经网络（DeepNeuralNetwork）的简称，B选项CNN是卷积神经网络（ConvolutionalNeuralNetwork）的简称，D选项BNN是不正确的拼写方式。'深度学习目前遇到的最大问题是（）

A:学习能力弱B:解释能力弱C:不能解决识别分类问题D:网络结构简单答案:AI参考:正确选项是【解释能力弱】。\n\n深度学习目前遇到的最大问题是解释能力弱，因为深度学习模型是由大量参数和复杂的网络结构组成的，这些参数和结构很难理解，导致模型的行为和决策难以解释。因此，在某些情况下，深度学习模型的可解释性是一个重要的问题。'采用梯度下降法更新模型参数时，求导是非常重要的计算步骤。求导方法之一的“符号求导”存在的主要缺点是()

A:代码无法通用或复用B:计算量巨大C:会引入舍入误差和截断误差D:出现“表达式膨胀”答案:AI参考:在采用梯度下降法更新模型参数时，求导是非常重要的计算步骤。其中，“符号求导”是一种求导方法，但其存在的主要缺点是会导致“表达式膨胀”。这意味着在使用符号求导时，如果涉及的表达式非常复杂或包含大量的变量，可能会导致求导后的表达式变得非常大，难以理解和处理。因此，选项D“出现“表达式膨胀””是正确答案。其他选项如代码无法通用或复用、计算量巨大、会引入舍入误差和截断误差，虽然也是求导方法的一些潜在问题，但并不是“符号求导”所特有的缺点。'常规深度学习模型可以认为是人工智能的智能模拟方法中的（）

A:功能模拟B:机制模拟C:结构模拟D:行为模拟答案:AI参考:正确选项是【C：结构模拟】。\n\n常规深度学习模型是对人工智能的一种结构模拟方法，通过构建神经网络结构来模拟人类神经系统的结构和功能，从而实现智能行为。因此，常规深度学习模型属于结构模拟方法，而非功能、机制或行为模拟方法。'1.对分类算法的效果进行评估时，若有则其中，召回率是指（

）。

A:a/(a+b)B:c/(a+c)C:a/(a+c)D:b/(a+b)

答案:AI参考:正确答案是C:a/(a+c)。\n\n根据题意，分类算法的效果评估中，召回率是指被正确分类的样本数占总样本数的比例，即a/(a+c)。因此，选项C是正确的。其他选项A、B、D都