2024-2025华为ICT大赛（昇腾Al赛道）高频备考试题库500题（含详解）

PAGE2025华为ICT大赛（昇腾Al赛道）高频备考试题库500题（含详解）一、单选题1.CD-DNN-HMM模型的最主要改变以下哪一点?()A、引入更多隐藏层B、引入DropoutC、引入全连接层D、引入上下文信息答案：D解析：DNN模型为了获得更好的性能提升,引入了上下文信息(也就是前后特征帧信息),所以被称为CD-DNN-HMM模型2.以下选项中，哪个选项的模型无法分割线性不可分数据集?A、神经网络B、线性回归C、SVMD、KNN答案：B解析：线性回归只能对线性可分的数据集进行建模，而无法分割线性不可分的数据集。因此，选项B（线性回归）是正确。其他选项，如神经网络、SVM和KNN，都可以用于分割线性不可分的数据集。3.HIAIEngine-ASR前置静音检测的默认时间是？A、500msB、1000msC、2000msD、4000ms答案：C解析：HIAIEngine-ASR前置静音检测的默认时间通常设置为2000ms，即大约2秒的时间。这个时间是为了确保在语音输入之前有足够的时间进行静音检测，以避免误报和漏报。因此，选项C是正确的。4.生成对抗网络（GAN）是一种深度学习模型，以下哪一个选项属于它的基本结构？A、判别器B、感知器C、验证器D、对抗器答案：A解析：这道题考察的是对生成对抗网络（GAN）基本结构的理解。GAN由两部分组成：一部分是生成模型（Generator），负责生成尽可能接近真实数据的样本；另一部分是∗∗判别模型（Discriminator）∗∗，负责判断输入的样本是真实的还是由生成模型生成的。因此，属于GAN基本结构的是∗∗判别器∗∗，对应选项D。5.关于深度学习的描述中，以下哪一项是错误的?A、在大部分情况下，网络在高维的权重海量的训练数据下可以获得高性能B、利用算法自动提取特征C、特征可解释性强D、“端到端”的学习答案：C解析：这道题考察对深度学习特性的理解。深度学习模型确实能在高维权重和海量训练数据下获得高性能，这是其一大优势，所以A选项正确。深度学习通过算法自动提取特征，无需人工干预，B选项也正确。深度学习模型通常是“端到端”的学习，即从原始数据直接学习到最终任务目标，D选项描述准确。然而，深度学习模型的特征可解释性通常较弱，因为它们是通过复杂的非线性变换自动学习到的，所以C选项是错误的。6.在华为云EI中，以下哪项可以将AI技术融入各行各业的应用场景中，发挥AI技术的优势，从而提高效率，提升体验。A、EI智能体B、OBS对象存储服务C、云数据库D、EI大数据服务答案：A解析：华为云E中的EI智能体可以将AI技术融入各行各业的应用场景中，通过提供智能化的解决方案，发挥AI技术的优势，从而提高效率，提升用户体验。其他选项如OBS对象存储服务、云数据库和EI大数据服务虽然也是华为云E中的重要服务，但它们主要是提供数据存储、管理和分析的工具，与AI技术的融合应用相比，其作用和影响力相对较小。因此，答案是A。7.下列驾一项是张量[[(0,1)(2,3)],[(4,5)(6,7)]]的正确形状？A、[2,3,4]B、[2,2,2]C、[3,2,2]D、[3,2,4]答案：B解析：这道题考察的是对张量形状的理解。张量的形状描述了其各个维度上的大小。给定的张量[[(0,1)(2,3)],[(4,5)(6,7)]]是一个二维数组，其中每个元素又是一个包含两个元素的一维数组。因此，它的形状应该是[2,2,2]，即2个2x2的矩阵。所以正确答案是B。8.逆光拍照时，人脸比较暗，使用伽马矫正对图像进行增强达到逆光也清晰的效果，γ的取值可以选择哪个？A、0B、0.5C、1D、2答案：B解析：在逆光拍照时，为了增强人脸的亮度，可以使用伽马矫正来调整图像的亮度。伽马矫正是一种图像处理技术，用于调整图像的伽马值，以改变图像的亮度。在题目所给的选项中，伽马值可以选择为0.5。这是因为，伽马值的大小直接影响图像的亮度和对比度，适当的伽马值可以使图像更加清晰和自然。因此，答案是C，即伽马值为0.5。9.以下哪个选项不属于异腾AI处理器中AICore的基础计算资源?A、向量计算单元B、张量计算单元C、矩阵计算单元D、标量计算单元答案：B解析：这道题考察的是对昇腾AI处理器中AICore基础计算资源的了解。在昇腾AI处理器架构中，AICore包含了多种计算单元以支持不同的计算需求。其中，向量计算单元、矩阵计算单元和标量计算单元都是其基础计算资源，它们分别用于处理向量、矩阵和标量数据。而张量计算虽然在AI领域广泛应用，但在昇腾AI处理器的AICore架构中，并不直接作为基础计算单元出现，而是通过其他计算单元的组合和优化来实现张量计算的功能。因此，选项B“张量计算单元”是不属于昇腾AI处理器中AICore的基础计算资源的。10.关于人工智能和机器学习的关系，以下说法正确的是哪一项?A、机器学习可以应用统计学的知识进行分析、B、所有机器学习算法都涉及到非常多的人工神经网络C、所有的机器学习都是在模仿人脑的机制来解释数据，例如图像，声音和文本、D、深度学习包含机器学习、机器学习是深度学习的一个特例。答案：A解析：人工智能和机器学习是两个密切相关的领域，它们都是通过计算机程序和算法来模拟人类的智能行为。机器学习是人工智能的一个子领域，它主要关注如何通过算法和数据来训练计算机程序，使其能够自主地学习和改进，从而更好地完成特定任务。机器学习算法中，有些涉及到人工神经网络，但并不是所有机器学习算法都涉及到人工神经网络。机器学习并不一定是在模仿人脑的机制来解释数据，它可以使用各种不同的算法和技术来处理不同类型的数据。深度学习是机器学习的一个分支，它使用更深层次的神经网络来进行学习和预测，但机器学习并不是深度学习的一个特例。因此，选项B和C都不完全正确。而选项D虽然正确，但这不是问题的重点。因此，答案是A，机器学习可以应用统计学的知识进行分析。11.华为深度学习框架MindSpore的亮点有()A、通过实现Al算法即代码,使开发态变得更加友好,显著减少模型开发时间,降低了模型开发门槛。B、通过MindSpore自身的技术创新及MindSpore与Ascend处理器协同优化,实现了运行态的高效,大大提高了计算性能。C、原生适应每个场景包括端,边缘和云,并能够按需协同,部署态灵活。D、以上皆是答案：D解析：这道题考察的是对华为深度学习框架MindSpore亮点的理解。根据MindSpore的官方介绍和特性，我们可以知道：∗MindSpore通过实现AI算法即代码，确实使开发态变得更加友好，显著减少了模型开发时间，降低了模型开发门槛。∗MindSpore通过自身的技术创新以及与Ascend处理器的协同优化，实现了运行态的高效，大大提高了计算性能。∗MindSpore原生适应每个场景，包括端、边缘和云，并能够按需协同，部署态灵活。综上所述，选项A、B、C都是MindSpore的亮点，所以答案是D，“以上皆是”。12.在调用语音合成服务时,需要提前设置一些参数值，下列哪个范围的值可以作为音量值?A、[-1000,1000]B、[0,100]C、[0,1000]D、[-100,100]答案：B解析：这道题考察的是对语音合成服务中音量值设置的理解。在调用语音合成服务时，音量是一个重要的参数，它决定了输出音频的响度。音量值通常被设定在一个合理的范围内，以确保音频的输出效果。根据常见的编程实践和API文档，音量值往往被设定在0到100之间，其中0表示静音，100表示最大音量。因此，选项A［0,100］是正确的音量值范围。13.人工智能是指下列哪一项的智能?A、自然智能B、通用智能C、机器智能D、人的智能答案：C解析：这道题考察的是对“人工智能”定义的理解。人工智能，简称AI，其核心在于模仿、延伸和扩展人的智能。它并非指通用智能、自然智能或机器本身固有的智能，而是特指对人的智能进行模拟和扩展的技术和应用。因此，正确答案是B，即人工智能是指“人的智能”。14.取20度为一个区间统计一个call的HOG特征，对称的角度归为一类，这个cell特征长度为？A、10B、7C、8D、9答案：D解析：这道题考察的是对HOG（HistogramofOrientedGradients，方向梯度直方图）特征的理解。HOG特征通常用于图像处理和计算机视觉领域，特别是在对象检测中。题目中提到“取20度为一个区间统计”，意味着360度被分成了18个区间（360/20=18）。但题目又指出“对称的角度归为一类”，即对称的区间合并，那么18个区间将合并成9个（因为对称的区间会合并成一个）。所以，这个cell的特征长度是9。15.通过图像算法,对一副普通手机拍摄照片的人物前景和背景进行分割,再对()部分做()操作,可实现如同单反相机的虚化效果()A、背景,中值滤波B、背景,均值滤波C、前景,均值滤波D、前景,中值滤波答案：B解析：虚化背景,所以只能在AB中选择。均值滤波模糊的图像更均匀,中指滤波主要用于小噪点处理16.在深度学习神经网络中，感知器是最简单的神经网络，关于其结构说法正确的是:A、其隐含层只有两层B、其隐含层只有一层C、其网络中使用的是Sigmoid激活函数D、其网络中使用的是Relu激活函数答案：B解析：这道题考察的是深度学习神经网络中感知器的结构特点。感知器作为最简单的神经网络，其结构特点包括没有隐含层或仅含有一层隐含层。根据这一点，我们可以判断选项A错误，因为它提到隐含层有两层。选项B正确，因为它符合感知器可能只有一层隐含层或没有隐含层的特点。至于选项C和D，它们涉及到激活函数的使用。然而，感知器并不特定于使用Sigmoid或ReLU激活函数，这两种激活函数是现代神经网络中常用的，但不是感知器的定义特征。因此，C和D选项都不能作为正确答案。17.以下哪个选项是自动计算梯度的方法。A、自动微分B、多元函数微分C、数值微分D、符号微分答案：A解析：在机器学习和深度学习中，自动微分是一种自动计算梯度的方法。当需要计算一个函数的梯度时，自动微分能够自动地根据输入的变化来计算梯度，从而避免了手动计算梯度的繁琐过程。因此，选项A是正确的。18.以下关于昇腾AI软件栈中任务调度器的描述，正确的是哪一个选项?A、负责完成神经网络在昇腾AI芯片上的落地与实现，统筹了整个神经网络生效的过程，控制离线模型的加载和执行过程.B、为神经网络的任务下发和分配提供了各种资源管理通道。C、可对输入的数据进行处理与修饰。D、为异腾AI芯片提供具体的目标任务。答案：D解析：在昇腾AI软件栈中，任务调度器的主要职责是为昇腾AI芯片提供具体的目标任务，以确保芯片能够正确、高效地执行预期的计算任务。它并不直接负责神经网络的实现、加载和执行过程（这是模型加载器和执行器的工作），也不专注于资源管理的通道提供（这是资源管理器的职责），更不是对数据进行处理与修饰的模块。因此，选项D正确描述了任务调度器的作用。19.以下关于分词说法不正确的是?()A、基于规则的分词简单高效,但是词典维护困难。B、统计分词的目的就是对分词结果进行概率计算,获得概率最大的分词方式。C、中文不同于英文自然分词,中文分词是文本处理的一个基础步骤。分词性能的好坏直接影响比如词性、句法树等其他模块的性能。D、在实际工程应用中,分词一般只采用一种分词方法。答案：D解析：规则分词:是一种机械分词方法,主要是通过维护字典,在切分语句时,将语句中的每个字符串与词表中的词进行逐一匹配,找到则切分,否则不予切分,按照匹配切分的方式主要有正向最大匹配法、逆向最大匹配法、双向最大匹配法。特点:简单高效,词典维护困难。统计分词:概率,如果相连的字在不同的文本中出现的次数越多,就证明这相连的字很可能就是一个词。深度学习分词:使用word2vec对语料的词进行嵌入,得到词嵌入后,用词嵌入特征输入给双向LSTM,对输出的隐层加一个线性层,然后加一个CRF得到最终实现的模型。混合分词:在实际工程应用中,多是基于一种分词算法,然后用其他分词算法加以辅助20.以下哪个激活函数可以很好的解决梯度消失问题?A、TanhB、softsignC、ReluD、Sigmoid答案：C解析：这道题考察的是对激活函数特性的理解。梯度消失是深度学习中常见的问题，特别是在使用Sigmoid或Tanh这类饱和激活函数时。Relu函数（RectifiedLinearUnit）由于其非饱和性，在正数部分梯度恒为1，因此可以有效缓解梯度消失问题。而Sigmoid和Tanh函数在输入值较大或较小时，梯度接近于0，容易导致梯度消失。softsign函数虽然形状与Tanh相似，但其梯度消失问题并未得到很好的解决。因此，选择C（Relu）作为答案。21.Softmax函数主要用于什么层?()A、输入层B、隐藏层C、输出层答案：C解析：神经网络最后一层,输出层一般会使用sotfmax。多分类函数22.坐标为（21,13）和坐标为（22,12）的两个像素在空间上存在什么邻接关系？A、不存在邻接关系B、对角邻接C、8-邻接D、4-邻接答案：B解析：对角邻接,对角邻接和4连接共同构成8连接23.Cell提供了定义执行计算的基本模块，Cell的对象可以直接执行，以下说法有误的是?A、还有一些optim常用优化器、wrap常用网络包装函数等预定CellB、coststruct,定义执行的过程。图模式时，会被编译成图来执行，没有语法限制C、bprop(可选)，自定义模块的反向_init_.初始化参数(Parameter),子模块D、(Cell),算子(Primitive)等组件，进行初始化的校验答案：B解析：这道题考察的是对深度学习框架中Cell对象的理解。Cell是深度学习框架中定义执行计算的基本模块，它包含了多种组件和功能。A选项提到的optim常用优化器、wrap常用网络包装函数等预定Cell，这是正确的，因为这些是Cell中常用的组件。B选项说“coststruct,定义执行的过程。图模式时，会被编译成图来执行，没有语法限制”，这是有误的。实际上，coststruct并不是定义执行过程的，而是用于定义损失函数的结构。而且，在图模式下执行时，是有语法限制的，需要遵循框架的语法规则。C选项提到的bprop是自定义模块的反向传播函数，用于初始化参数和子模块，这是正确的。D选项提到的(Cell),算子(Primitive)等组件，进行初始化的校验，这也是正确的，因为这些是Cell对象在初始化时需要进行校验的组件。综上所述，B选项的说法有误。24.以下常见分布中，哪一项是一般认为的线性回归中的误差服从的分布A、指数分布B、伯努利分布C、正态分布D、泊松分布答案：C解析：线性回归模型的一个基本假设是误差项服从正态分布。这是因为正态分布具有许多便于数学处理的性质，如对称性、可加性等，使得线性回归模型的参数估计和假设检验变得简单可行。指数分布常用于描述等待时间或生存时间等数据，伯努利分布用于描述只有两种可能结果的随机试验，泊松分布则常用于描述单位时间内发生某事件的次数。因此，对于这道题目，正确答案是C，即正态分布。25.自拍时，手机前置镜头显示的画面需要通过哪个变换后才能是真实的场景图像？A、垂直镜像B、水平镜像C、旋转D、平移答案：B解析：手机的前置摄像头就好像是一面镜子，自拍时显示的图像就好像是你在照镜子一样，方向跟前置摄像头的拍摄方向是相反的，所以自拍时会显示左右反过来的图像。26.以下哪一项是语音识别的简称?()A、TTSB、ASRC、STTD、AST答案：B解析：SSP(SpeechSignalProcessing,语音信号处理,简称语音处理)ASR(Automaticspeechrecognition,自动语音识别)27.John在开发一个昇腾推理应用，需要在一个Stream中代码执行完成之后另一个Stream才能开始执行代码关于整体代码编写，以下哪种说法是正确的?A、可以使用Event模块同步不同Stream之间的任务。B、AscendCL不支持不同Stream中的信息同步。C、可以使用Context模块同步不同Stream之间的任务。D、可以在一个Stream中创建一个子Stream来完成这种操作。答案：A解析：Context作为一个容器，管理了所有对象（包括Stream、Event、设备内存等)的生命周期。不同Context的Stream、不同Context的Event是完全隔离的，无法建立同步等待关系。Stream用于维护一些异步操作的执行顺序，确保按照应用程序中的代码调用顺序在Device上执行。Event支持调用AscendCL接口同步Stream之间的任务，包括同步Host与Device之间的任务、Device与Device[间的任务。28.以下哪一项是代码mox.file.exists('obs://bucket_name/test01')执行的操作?A、创建一个文件夹B、读取一个OBS上的文件C、列举—个OBS路径D、检查文件夹是否存在答案：D解析：mox.file.exists是检查文件或目录是否存在更多文件操作详见:/moxing-devg-modelarts/modelarts_11_0005.html更多文件操作详见:/moxing-devg-modelarts/modelarts_11_0004.html29.我们可以利用以下哪种方法实现反向传播？()A、计算图B、链式法则C、代价函数D、高阶微分答案：B解析：反向传播算法的实现方法是基于链式法则的。在神经网络中，输入输出和权重值之间的关系需要通过一系列的神经元和节点进行传递，而链式法则能够逐层计算每对节点之间的输出误差，从而实现反向传播。因此，选项B是正确的。30.以下哪个激活函数可以很好的缓解梯度消失问题？A、SigmoidB、TanhC、SoftsignD、Relu答案：D解析：这道题考察的是对激活函数特性的理解。在深度学习中，激活函数的选择对模型的训练效果有很大影响。梯度消失是一个常见问题，它会导致网络在训练过程中权重更新缓慢或停止。ReLU（RectifiedLinearUnit）激活函数在正数部分保持梯度为1，这有助于缓解梯度消失问题，因为它允许梯度在反向传播时保持不变，从而有助于保持网络的学习能力。因此，ReLU是一个很好的选择来缓解梯度消失问题。31.MindSpore中的nn.cell提供了定义执行计算的基本模块，cell的对象可以直接执行以下说法有误的是？A、还有一些optim常用优化器,wrap常用网络包装函数等与定义cellB、Coststruct,定义执行的过程，图模式时，会被编译成图来执行，没有语法限制，C、Bprop（可选）自定义模块的方向D、__init__,初始化参数（parameter），子模块（cell），算子（Primitive）等组件，进行初始化的校验。答案：B解析：在MindSpore中，nn.cell提供了定义执行计算的基本模块，它可以与一些优化器、网络包装函数等一起使用。在图模式中，cell会被编译成图来执行，没有语法限制。而选项B中提到的Coststruct并不是cell对象执行过程中的一部分，因此选项B的说法是错误的。其他选项中的内容都是cell对象执行过程中的一部分，因此选项A、C、D都是正确的。32.以下关于分析说法不正确的是?A、基于规则的分词简单高效，,但是词典维护困难B、在实际工程应用中，分词一般只采用一种分词方法福C、中文不同于英文自然分词，中文分词是文本处理的一个基础步骤。分词性能的好坏直接影响比如词性、句法等其他模块的性能D、统计分词的目的就是对分词结果进行概率计算，获得概率最大的分词方式答案：B解析：在实际工程应用中，分词通常采用多种分词方法，以适应不同的文本和场景。然而，B选项中的“分词一般只采用一种分词方法”是不正确的。其他选项如A、C、D都与分词的特点和重要性相关，是正确的。33.以下哪一项不属于华为云EI自然语言处理服务提供的意图理解API所支持的领域?A、音乐类B、闹钟类C、笑话类D、娱乐类答案：D解析：华为云EI自然语言处理服务提供的意图理解API支持的领域包括音乐类、闹钟类和笑话类等。因此，不属于该API支持的领域的选项是D，即娱乐类。34.梯度下降算法中，损失函数曲面上轨迹最混乱的算法是以下哪种算法?A、SGDB、GDC、MGDD、MBGD答案：A解析：在梯度下降算法中，不同的算法对应着损失函数曲面上不同的轨迹特性。SGD（随机梯度下降）由于其每次更新只随机选取一个样本来计算梯度，导致梯度方向的变化较大，因此轨迹相对较为混乱。相比之下，BGD（批量梯度下降）使用全部数据来计算梯度，每次更新的方向更加稳定。MGD并不是一个标准的梯度下降算法名称，可能是对某种特定变体或误解的表述。MBGD（小批量梯度下降）则是每次更新使用一小批数据，其轨迹介于SGD和BGD之间。因此，轨迹最混乱的算法是SGD，即选项A。35.在坐标变化时,我们可以使用以下哪种方法得到像素点的整数值?()A、采样B、均值C、量化D、插值答案：C解析：采样:将空间上连续的图像变换成离散点的操作称为采样。量化:经采样图像被分割成空间上离散的像素,但其灰度是连续的,还不能用计算机进行处理,所以需要量化操作将灰度转换成离散的整数值。插值:坐标变化后得到的坐标不一定是整数,非整数坐标处的像素值需要用周围的整数坐标的像素值来进行计算。36.反向传播算法是神经网络更新参数的重要方法,反向传播算法借助于以下哪个计算方法得以实现。()A、计算图B、高阶微分C、代价函数D、链式法则答案：D解析：链式求导方法37.以下哪个不是LSTM中cell的门?A、输入门B、遗忘门C、记忆门D、输出门答案：C解析：LSTM（长短期记忆网络）是一种特殊的RNN（递归神经网络）结构，用于解决传统RNN在处理长序列数据时出现的梯度消失或梯度爆炸问题。LSTM的核心是其cell结构，它包含三个主要的“门”来控制信息的流动：输入门、遗忘门和输出门。∗输入门控制新信息流入cell的程度。∗遗忘门决定哪些信息应该被遗忘，即从cell状态中去除。∗输出门控制cell状态中有多少信息应该被输出。“记忆门”不是LSTMcell中的一个标准组成部分。因此，根据LSTM的定义和结构，选项C“记忆门”是不正确的，答案是C。38.Mindspore深度学习框架专门用于图像增强的是以下哪一个模块?A、mindspore.numpyB、mindspore.nnC、mindspore.opsD、mindspore.dataset.vision答案：D解析：MindSpore是一款全场景深度学习框架，其中集成了多种用于深度学习和数据处理的功能模块。其中，`mindspore.dataset.vision`是用于图像和视频数据增强的模块。因此，当用户问到“MindSpore深度学习框架专门用于图像增强的是以下哪一个模块”时，正确是D.mindspore.dataset.vision。39.语音识别的难度有?()A、个人特征因素B、场景因素C、地域因素D、以上都是答案：D解析：全选40.神经网络语言模型中，网络输出层采用的激活函数是什么？A、TanhB、ReLUC、SigmoidD、Softmax答案：D解析：在神经网络语言模型中，特别是在处理文本生成或分类任务时，网络输出层通常采用Softmax激活函数。Softmax函数能够将模型的输出转化为概率分布，这对于生成离散的文本序列（如单词）或选择分类标签特别有用。∗Tanh和Sigmoid函数通常用于隐藏层，因为它们可以将输入值压缩到[-1,1]或[0,1]的范围内，但不适合用于输出层，因为它们不能产生真正的概率分布。∗ReLU（RectifiedLinearUnit）函数也常用于隐藏层，因为它在输入为正时保持输入值不变，而在输入为负时输出零，有助于引入稀疏性。因此，在神经网络语言模型中，网络输出层采用的激活函数是Softmax，所以正确答案是D。41.以下哪个不是MindSpore核心架构的特点?A、自动并行B、自动调优C、自动编码D、自动微分答案：C解析：MindSpore是一款面向全场景深度学习框架，其核心架构特点主要围绕自动化和高效性展开。具体来说，自动并行（A）能够提升模型训练速度，通过并行计算减少时间成本；自动调优（B）则是优化模型性能，减少人为调试的时间和精力；自动微分（D）是深度学习中的关键技术，用于自动计算梯度，支持高效的模型训练。而自动编码（C）并不属于MindSpore核心架构的特点，它更多是指代码自动生成或编写，与MindSpore的核心功能和优化目标不直接相关。因此，答案是C。42.以下哪一项是在标准RNN结构中的隐藏层中使用的激活函数?A、RaLUB、tanhC、SoftmaxD、Sigmoid答案：B解析：在标准的循环神经网络（RNN）结构中，隐藏层通常使用激活函数来增加模型的非线性性质和表示能力。其中，tanh函数是一个常用的激活函数，用于处理二值输入的输出层或者隐藏层，使模型在某些特定任务中表现出色。因此，选项B“tanh”是正确的。43.FrommindsporeimportopsOnespke=ops.OnesLikeX=Tensor(np.array(123.[123.[0,1].123.[2.1]]).astype(32))Oneput=onespke(x)A、创建一个2∗2的张量output,其中每一个元素值都为1B、创建一个2∗2的张量output,其中元素的值为0,1,2,1C、创建一个2∗2的张量output,其中每个元素的值随机确定D、创建一个2∗1的张量值从123.[0,1]和123.[2,1]中随机挑选答案：A解析：老师给的答案是B。有大神验证完是A。如果不会已A答案为主。44.John自己编写了一个人工智能计算框架，其中部分算子不适配昇腾芯片，则John需要如何操作来解决这个问题?A、通过CANN(ComputeArchitectureforneuralnetwork)中的已有算子进行适配。B、通过适配层，完成不同框架的图到FE(FusionEngine)lRGraph的转换。C、通过TBE(TensorBoostEngine)，完成不同框架的算子到昇腾算子的映射。D、通过ATC(AscendTensorCompiler)完成算子转换。答案：C解析：John需要通过TBE（TensorBoostEngine）完成不同框架的算子到昇腾算子的映射，以解决算子不适配昇腾芯片的问题。这是因为TBE是华为Ascend（昇腾）系列芯片的配套工具，能够将不同框架的算子适配到昇腾芯片上，从而实现高效的计算和推理。其他选项如CANN、适配层、ATC等，虽然在某些情况下可能有用，但它们并不是针对昇腾芯片的专门工具。45.在达芬奇架构中关于矩阵计算，以下哪个选项和矩阵计算单元主要完成矩阵相关运算?A、寄存器B、累加器C、运算器D、控制器答案：B解析：这道题考察的是对达芬奇架构中矩阵计算单元的理解。在达芬奇架构中，矩阵计算单元是专门用于处理矩阵相关运算的。根据架构的设计，矩阵计算单元主要依赖累加器来完成矩阵的运算任务。运算器虽然也参与计算，但不是特指矩阵运算；寄存器用于存储数据；控制器则负责指令的控制，不直接参与矩阵运算。因此，正确答案是C，累加器。46.高斯滤波可以克服均值滤波的什么问题?()A、去噪(高斯滤波主要作用就是降噪)B、模糊化C、计算慢(计算原理一样,所以计算速度取决于数据大小)D、计算量大(同答案：B解析：均值滤波会产生模糊化高斯则避免这个问题产生。47.使用ModelArts自动学习构建预测分析项目时,若标签列为枚举型数据,以下哪一项是标签列数据类型和训练的模型类型?A、连续数值和回归模型B、离散值和回归模型C、连续数值和分类模型D、离散值和分类模型答案：D解析：在使用ModelArts自动学习构建预测分析项目时，标签列的数据类型是一个重要的考虑因素，因为它决定了可以选择的模型类型。枚举型数据本质上是离散的，意味着标签是由一组有限的、可数的值组成的。对于这类数据，通常会使用分类模型来进行训练和预测。因此，标签列数据类型为离散值，训练的模型类型为分类模型，选项D是正确的。48.以下关于词向量说法错误的是哪一项?A、BERT与ELMo都可以生成动态词向量。B、Word2Vec有两种类型，Skip-gram与CBOW。C、原始的Glove方法可以很好的处理未登录词问题。D、用fastText获取词向量能够考虑子词级别信息。答案：C解析：对于题目中关于词向量的各个说法，我们可以根据各模型与方法的特性和使用情况来进行分析：A项正确。BERT和ELMo都是目前主流的动态词向量生成模型。B项也正确。Word2Vec是一个可以用于生成词向量的算法，它主要分为Skip-gram和CBOW两种训练模式。D项同样正确。fastText除了能获取词向量之外，它的算法特点是可以考虑子词级别信息。然而，对于C项，原始的Glove方法虽然可以生成词向量，但并不特别擅长处理未登录词问题。因此，这个说法是错误的。综上所述，正确答案是C项。49.某机器学习模型对训练集的准确率很高，但对测试集则效果不佳，其原因可能是以下哪一项？A、欠拟合B、过拟合C、参数辻少D、机器性能问題答案：B解析：答案选B。过拟合是指模型在训练集上表现很好，但在新的测试集上表现不佳。当模型过度学习训练集的细节和噪声，导致其泛化能力变差，无法很好地适应新的数据。而欠拟合是模型在训练集和测试集上表现都不好；参数过少通常导致模型无法充分学习数据特征；机器性能问题一般不会导致这种训练集和测试集表现差异的情况。所以该题答案为B过拟合。50.在一个任务中，试图让学习器利用大量未标记数据以及少量有标记数据进行训练，这样的算法属于以下哪一类学习？A、半监督学习B、无监督学习C、监督学习D、强化学习答案：A解析：这道题考察的是对机器学习算法类型的理解。半监督学习是指同时使用有标记数据和无标记数据进行训练的学习方法。根据题目描述，学习器利用大量未标记数据以及少量有标记数据进行训练，这正是半监督学习的特点。因此，正确答案是A。51.在坐标变化时，计算得到的坐标数值不是整数，需要使用什么方法获取像素的值？A、插值B、采样C、量化D、均值答案：A解析：坐标数值不是整数的情况下，需要进行插值计算，以获得该像素的真实数值。选项A“插值”方法正是用于这一目的。因此，正确是A。52.一副8位RGB的彩色图像中，（255，255，255）代表着什么着色A、红色B、白色C、黑色D、蓝色答案：B解析：在8位RGB色彩空间中，(255,255,255)代表白色，因为这三种颜色的强度值都达到了最大值，表示了明亮的白色。所以，选项B是正确的。53.以下算法中不属于有监督学习的是?()A、线性回归B、决策树C、KNND、K-means答案：D解析：有监督学习是指在训练过程中，使用有标签的数据来训练模型，以便模型能够对未知数据进行预测或分类。常见的有监督学习算法包括线性回归、决策树、KNN（k近邻算法）等。而K-means是一种无监督学习算法，它用于将数据集分成k个簇，使得每个簇内的数据点相似度较高，而不同簇之间的数据点相似度较低。因此，K-means不属于有监督学习算法。所以，正确答案是D。54.GMM在传统语音识别任务中主要的功能是？A、输出特征对应帧的概率B、输出特征对应语音的概率C、输出特征对应状态的概率D、输出特征对应因素的概率答案：D解析：GMM（高斯混合模型）在传统语音识别任务中，主要用于对语音信号的特征进行建模。具体到功能，它输出的是特征对应因素的概率，这里的“因素”指的是影响语音信号的各种变量或属性。因此，选项D“输出特征对应因素的概率”是正确的。这一功能使得GMM能够有效地用于语音信号的建模和识别任务中。55.John在使用AscendCL开发一个实时推理的应用，在编写代码时，应该选择同步还是异步的接口?A、选择同步B、选择异步C、选择同步和异步都可以D、代码中必须同时使用同步和异步答案：A解析：在AscendCL开发实时推理的应用时，由于需要确保程序的实时性和性能，通常建议选择同步的接口。这是因为同步接口可以保证代码的执行顺序和时间，避免出现延迟或错误。异步接口虽然可以提高程序的性能，但在实时应用中可能会引入不确定性和风险。因此，为A，即选择同步接口。56.图像处理任务中，数据集的真实标签被称为？A、GreatTrurhB、GreatTargetC、GroundTruthD、GroundTarget答案：C解析：在图像处理任务中，数据集的真实标签通常被称为GroundTruth，因为它代表了真实的数据和信息，是进行算法训练和评估的重要参考。因此，选项C是正确的。57.下面哪种卷积神经网络的层数最多.()A、ResNetB、AlexNetC、VGG16D、LeNet答案：A解析：卷积神经网络（ConvolutionalNeuralNetworks，CNN）的层数因网络架构的不同而异。AlexNet、VGG16和LeNet通常具有较少的层数，通常为几层到十几层。而ResNet是一种特殊的CNN，其设计思想是通过引入残差连接和块（ResidualBlocks）来克服深度CNN中的梯度消失和退化问题，因此其层数较多，可以达到几十层甚至上百层。因此，是A.ResNet。58.CANN(ComputeArchitectureforNeuralNetwork)中包含多个子系统，其中哪个子系统负责对子图进行优化?A、TBE(TensorBoostEngine)B、FE(FusionEngine)C、算子适配插件D、GE(GraphEngine)答案：B解析：FE定位于AlCore的数据引擎，它提供图的优化分析、管理算子融合规则、算子融合功能、算子信息库管理、使能自定义算子等功能。59.以下哪一项是异腾310芯片的功耗?A、8WB、7WC、9wD、6w答案：A解析：昇腾310为推理芯片,最大功耗8W;昇腾910为训练芯片,最大功耗310W60.以下哪个选项是AI芯片业务从应用上的分类?()A、推理和加速B、加速和训练C、训练和推理D、编译和训练答案：C解析：这道题考察的是对AI芯片业务应用分类的理解。在AI领域，芯片业务主要围绕两大核心应用：训练和推理。训练是指使用大量数据来优化AI模型的过程，而推理则是使用训练好的模型进行实际预测或分类的过程。根据这个知识点，我们可以分析每个选项：∗A选项“推理和加速”中，加速并不是AI芯片业务的一个核心应用分类。∗B选项“加速和训练”同样包含了非核心应用“加速”。∗C选项“训练和推理”准确地列出了AI芯片业务的两大核心应用。∗D选项“编译和训练”中，编译并不是AI芯片业务的一个核心应用分类。因此，正确答案是C，即AI芯片业务从应用上分为训练和推理。61.N-gram被定义为N个关键词组合在一起。从给定的句子可以产生多少三元组短语?[AnalyticsVidhyaisagreatsourcetolearndatascience]。()A、6B、7C、8D、9答案：C解析：AnalyticsVidhyais;Vidhyaisa;isagreat;agreatsource;greatsourceto;sourcetolearn;tolearndata;learndatascience。N-gram基于马尔科夫假设只考虑前n个词语62.在ModelArts提供的功能中,在线服务属于以下哪一项服务?()A、模型管理B、部署C、模型训练D、数据处理答案：B解析：模型准备完成后,您可以将模型部署为在线服务,对在线服务进行预测和调用63.使用ModelArts自动学习构建预测分析项目时,若标签列为数值型连续数据,以下哪一项是标签列数据类型和训练的模型类型?A、离散值和回归模型B、连续数值和分类模型C、离散值和分类模型D、连续数值和回归模型答案：C64.spectrogram函数中的nperseg参数可以设置以下哪一项参数?A、采样频率B、帧移C、窗函数D、帧长答案：D解析：这道题考察的是对spectrogram函数中参数的理解。在spectrogram函数中，noverlap参数是用来设置帧移的，也就是连续帧之间的重叠样本数。通过调整这个参数，可以控制帧之间的重叠程度，进而影响频谱分析的结果。因此，正确答案是C，表示noverlap参数设置的是帧移。65.以下选项中，哪个选项的模型无法分割非线性数据集?A、一元线性回归B、神经网络C、svmD、KNN答案：A解析：这道题考察的是对机器学习模型的理解，特别是它们处理非线性数据集的能力。一元线性回归模型是基于线性方程的，因此它无法捕捉数据中的非线性关系。相比之下，神经网络、SVM（支持向量机）和KNN（K-最近邻）都是能够处理非线性数据集的模型，因为它们能够学习数据中的复杂模式和关系。所以，正确答案是A，一元线性回归模型无法分割非线性数据集。66.John在使用模型生成文本时，发现模型会产生不准确、无关或虚构的信息，这是模型的什么特性？A、涌现B、真实性C、幻觉D、可解释性答案：C解析：在自然语言处理中，当模型生成不准确、无关或虚构的信息时，这种现象被称为“幻觉”。“涌现”通常指复杂系统中突然出现的新特性或行为。“真实性”明显与产生错误信息不符。“可解释性”是指模型决策和输出的可理解和可追溯程度，并非指生成错误信息。所以，正确答案是选项C。67.不属于LSTM的cell当中的门的选项是？A、输入门B、遗忘门C、记忆门D、输出门答案：C解析：这道题考察的是对LSTM（长短期记忆网络）结构的理解。LSTM是一种特殊的RNN（循环神经网络），它通过引入三个“门”结构来控制信息的流动，分别是遗忘门、输入门和输出门。这三个门分别负责决定哪些信息应该被遗忘、哪些新信息应该被存储以及哪些信息应该被输出。而“记忆门”并不是LSTM结构中的一部分，因此选项C是不属于LSTM的。68.伽马变化是（）处理，直方图均衡化是（）处理，均值滤波是（）处理。A、点处理，局部处理，大局处理B、局部处理，点处理，大局处理C、点处理，大局处理，局部处理D、大局处理，点处理，局部处理答案：C解析：伽马变化是对图像的每个像素点进行独立的调整，不涉及其周围的像素，因此属于点处理。直方图均衡化是通过调整图像的直方图来改变图像的对比度，这是一个全局性的调整，影响图像的所有像素，因此属于大局处理。均值滤波是通过计算像素点周围邻域内像素的平均值来替换该像素值，这是一个局部性的处理，因此属于局部处理。综上所述，正确答案是C。69.根据已标注的数据训练得到模型,使用该模型预测输出的是一个连续的数值,这类任务的应用示例:预测投保人的索赔金额(用于设置保险费)。那么该机器学习属于哪—种类型的任务?()A、回归B、聚类C、生成D、分类答案：A解析：根据题目的描述，使用已标注的数据训练得到的模型用于预测输出连续数值，例如预测投保人的索赔金额以设置保险费。这种任务属于回归任务，因为回归任务是预测一个连续变量的任务。因此，为A，即回归任务。70.以下关于前馈神经网络的描述中，错误的是哪一项?A、各层节点中具有计算功能的神经元，称为计算单元，每个神经元只与前一层的神经元相连。B、输入节点具有计算功能，不只是为了表征输入矢量各元素值C、前馈神经网络是一种最简单的神经网络，各神经元分层排列。D、多层的感知器属于前馈神经网络。答案：B解析：输入层节点的功能不只是为了表征输入矢量各元素值，而是起到了收集输入信息、并决定进入隐含层的节点的数据成分的功能。选项B表述错误，所以为B。71.在训练神经网络过程中我们目的是让损失函数不断减少，我们常用以下哪种方法最小化损失函数?A、梯度下降B、DropoutC、交叉验证D、正则化答案：A解析：在训练神经网络时，我们的主要目标是让损失函数不断减少，以达到模型性能的优化。梯度下降法是一种常用的优化算法，它通过计算损失函数关于模型参数的梯度，并更新这些参数以使损失函数减小。Dropout主要用于防止模型过拟合，正则化也是减少过拟合的一种技术，而交叉验证主要用于模型评估。因此，对于最小化损失函数，梯度下降是最直接且常用的方法。所以，选项C是正确的。72.从技术架构角度，关于AI芯片的描述，错误的是哪一项？A、CPU的功能主要是解释计算机指令以及处理计算机硬件中的数据。B、FPGA实现了半定制芯片的功能C、ASIC属于专用集成电路D、GPU是一种专门在个人电脑、工作站,游戏和一些移动设备上进行图像运算工作的微处理器。答案：A解析：这道题考察的是对AI芯片相关技术架构的理解。A选项提到CPU的功能，但实际上在AI芯片领域，CPU虽然可以解释计算机指令和处理数据，但其并不是AI芯片的主要组成部分，AI芯片更多关注于如GPU、FPGA、SIC等针对特定计算任务优化的硬件。B选项描述FPGA（现场可编程门阵列）实现了半定制芯片的功能，这是正确的，FPGA可以根据需要进行编程，实现特定的硬件逻辑功能。C选项中的ASIC（专用集成电路）属于专用集成电路，这也是正确的，ASIC是为了执行特定任务而设计的集成电路。D选项描述GPU（图形处理单元）是一种专门在个人电脑、工作站、游戏和一些移动设备上进行图像运算工作的微处理器，这是准确的，GPU在图像处理和并行计算方面表现出色，也是AI计算中常用的硬件。综上所述，A选项的描述与AI芯片的技术架构不符，是错误的。73.以下哪一选项不属于马尔科夫模型的三要素?()A、状态集合B、观测概率C、转移概率D、初始概率答案：A解析：马尔科夫模型三要素:状态转移矩阵,观测概率,初始状态概率向量74.如果想要对图像翻拍情况进行检测，可以调用华为云图像标签服务提供的功能，主要由以下哪个函数实现?A、image_tagging_aksk()B、init_global_envoC、recapture_detect_aksk()答案：A解析：华为云图像标签服务提供的功能可以通过调用`image_tagging_aksk()`函数来实现对图像翻拍情况的检测。这个函数是华为云图像标签服务提供的API之一，它允许用户上传图像并获取图像的标签信息，包括翻拍情况等。因此，正确答案是A。需要注意的是，使用这个函数需要用户先开通华为云图像识别服务，并获取相应的AK/SK（访问密钥）和project_id。同时，用户还需要将图像内容转换为Base64编码，并构建API请求参数，然后发送POST请求到华为云图像识别服务的图像搜索API端点，并解析API响应。最终，用户可以处理搜索结果，例如打印相似图像的URL或进行其他操作。总之，`image_tagging_aksk()`函数是华为云图像标签服务中用于检测图像翻拍情况的重要函数之一。75.以下关于深度学习中常用的损失函数的描述，哪一项是正确的？A、二次代价函数更多得用于分类问题问题，而交叉熵代价函数一般用于聚类问题。B、二次代价函数关心目标输出和实际输出之间的类别差异。C、二次代价函数刻画了两个概率分布之间的距离。D、训练的目的是使得损失函数逐渐减小，直至达到0。答案：B解析：二次代价函数更多用于回归问题，交叉熵代价函数更多用于分类问题，所以A错误。二次代价函数刻画的是目标值与输出值之间的距离，而不是概率分布的距离，所以C错误。训练的目的是使得损失函数减小，然后趋于稳定，不一定会降至0，所以D错误。76.知识图谱构建过程中需要进行信息抽取，以下哪一项不属于信息抽取的关键技术？A、属性抽取B、参数抽取C、实体抽取D、关系抽取答案：B解析：在知识图谱构建过程中，信息抽取是一个关键步骤，其主要任务是从原始数据中提取出结构化的信息，如实体、属性和关系。其中，实体抽取用于识别文本中的实体（如人名、地名、事物名称等）；属性抽取用于识别实体的属性（如年龄、性别、颜色等）；关系抽取用于识别实体之间的关联和交互。而参数抽取一般是指从数学、统计学等领域的特定数据中提取参数信息，与信息抽取的关键技术不直接相关。因此，选项B是正确答案。77.MindSpore中用于保存模型权重的接口是以下哪个选项?A、mindspore.save_checkpoint(model,"model.ckpt")B、mindspore.load_checkpoint("model.ckpt")C、mindspore.load_param_into_net(model,param_dict)D、mindspore.ops.no_gradient答案：A解析：这道题考察的是对MindSpore框架中模型保存接口的了解。在MindSpore中，`save_checkpoint`是用于保存模型权重和参数的接口，而`load_checkpoint`是用于加载模型权重和参数的接口，`load_param_into_net`用于将参数加载到网络中，`ops.no_gradient`用于指定某个操作不计算梯度。因此，正确答案是A。78.John在开发昇腾应用，现在他在笔记本电脑上创建了开发环境，远程连接了一个搭载了Atlas300l推理卡的服务器，在这种场景下，Device指的是以下那一个选项?A、笔记本B、服务器C、推理卡D、Ascend910芯片答案：C解析：在这个场景下，John在笔记本电脑上创建了开发环境，并远程连接了一个搭载了Atlas300l推理卡的服务器。这里的“Device”通常指的是执行计算任务的具体硬件设备。在这个上下文中，Atlas300l推理卡是负责执行推理任务的硬件设备，因此“Device”指的是推理卡。所以，正确答案是C。79.以下关于非线性支持向量机的描述中，哪一项是错误的?A、高斯核函数是使用较为频繁的核函数。B、使用线性支持向量机可以很好的作用在线性可分数据集上，因此非线性支持向量机效果比较差C、可以使用核函数来构建非线性支持向量机。D、核函数允许算法在变换后的高维特征空间中拟合最大的超平面答案：B解析：这道题考察的是非线性支持向量机的理解。高斯核函数确实是常用的核函数之一，所以A选项描述正确。核函数的作用是在高维空间中找到最佳的超平面进行分类，这是支持向量机的基本原理，B选项正确。通过使用核技巧，支持向量机可以实现非线性分类，C选项描述也是准确的。至于D选项，线性支持向量机适用于线性可分数据集，但这并不意味着非线性支持向量机效果就差，它的优势在于处理非线性问题，因此D选项描述错误。80.计算机通过具有标签的图片数据学习分辨哪些图片是苹果，哪些图片是梨，这一场景最符合以下哪一类型的学习？A、监督学习B、无监督学习C、半监督学习D、强化学习答案：A解析：这道题考察的是对机器学习类型的理解。在计算机视觉任务中，如果计算机通过已标记的图片数据学习分类，这属于监督学习。因为监督学习是指使用一组已知类别的样本来训练模型，使其学会将输入数据映射到相应的类别标签。在这个场景中，图片数据已经具有了“苹果”或“梨”的标签，因此最符合监督学习的定义。81.以下关于交叉验证的描述中，哪一项是错误的A、k-折交叉验证是常用的交叉验证方法B、交叉验证首先用训练集对分类器进行训练再利用验证集来测试训练得到的模型以此来做为评价分类器的性能指标C、交叉验证是用来验证分类器的性能一种统计分析方法D、k-折交叉验证方法中的k不是超参数是由模型训练得来的答案：D解析：这道题考察的是对交叉验证的理解。交叉验证是一种评估模型性能的方法，其中k-折交叉验证是常用的一种。在这个过程中，数据集被分成k份，每次用其中k-1份作为训练集，剩余的一份作为验证集，重复k次，每次选择不同的验证集。选项A正确描述了k-折交叉验证是常用的方法。选项B正确描述了交叉验证的基本过程。选项C正确指出交叉验证是一种统计分析方法。而选项D错误，因为k-折交叉验证中的k是人为设定的，不是由模型训练得来的，它是一个超参数。82.以下属于语言模型的是?()A、daboostB、N-gramC、GTD、T答案：B解析：Adaboost属于集成学习思想;DT即决策树,通用机器学习模型;N-gram是专门用于NLP的模型83.在深度学习领域中,以下哪些激活函数的值域位于0到正无穷的区间内?()A、SeLUB、sigmoidC、tanhD、ReLU答案：D解析：SeLU的值可能小于0,tanh位于-1~1,Sigmoid位于0~184.有监督学习中，“近朱者赤近墨者黑”是用来形容下列哪个模型?A、K-MeansB、SVMC、KNND、神经网络答案：C解析：“近朱者赤近墨者黑”这一说法形象地表达了相似样本之间的相互影响。在有监督学习中，KNN（K-最近邻）算法正是基于这种思想，即一个样本的标签受其最近的K个邻居样本的标签影响。因此，这个说法用来形容KNN模型是最贴切的。选项A的K-Means是聚类算法，属于无监督学习；选项B的SVM（支持向量机）和选项D的神经网络，虽然都是有监督学习模型，但它们的决策机制并不直接基于样本之间的相似性。因此，正确答案是C。85.FusionDirector为服务器和华为边缘设备统一运维管理软件，以下哪一项不是它的特性？A、为数据中心提供硬件精细化管理能力B、为智算中心提供一站式软件部署服务C、为公有云提供大规模服务器自动化运维能力D、为私有云提供一站式硬件管理能力答案：B解析：FusionDirector是华为提供的一款服务器和边缘设备统一运维管理软件。根据软件的功能描述：A项，FusionDirector确实为数据中心提供了硬件的精细化管理能力，这是其基础功能之一。C项，FusionDirector支持公有云的大规模服务器自动化运维，这也是其重要特性。D项，FusionDirector同样为私有云提供了一站式硬件管理能力，这也是它作为运维管理软件的核心功能。然而，B项提到“为智算中心提供一站式软件部署服务”并非FusionDirector的核心特性或主要功能。FusionDirector主要关注硬件的管理和运维，而非软件部署服务。因此，B项不是FusionDirector的特性，答案选B。86.迁移学习是将某个领域或任务上学习到的知识或模式应用到不同但相关的领域或问题中。以下哪一种是实现迁移学习常用的技术手段？A、重新训练B、模型微週（Fine-tuning）C、暂退法（Drput）D、标签平滑答案：B解析：迁移学习旨在将一个领域或任务中学到的知识应用于另一个相关但不同的领域或任务。在给出的选项中，A项“重新训练”通常意味着从头开始训练一个新模型，不涉及迁移学习的概念。C项“暂退法(Dropout)”和D项“标签平滑”是训练神经网络时用于防止过拟合的技术，而非迁移学习的技术手段。B项“模型微调(Fine-tuning)”是迁移学习中常用的技术手段，它利用在源任务上预训练的模型，在新的目标任务上进行调整和优化，以实现知识的迁移和应用。因此，正确答案是B。87.全连接层的主要作用是?()A、分类B、提取特征(卷积层)C、降低维度(池化层)D、改变图像大小(图像缩放、降采样、升采样)答案：A解析：全连接层作用:把所有局部特征结合变成全局特征,用来计算最后每一类得分88.以下说法错误的是?A、tlas200DK基于昇腾310芯片B、Atlas900系列主要为AI集群C、Atlas500智能小站主要用于推理D、昇腾310处理器常用于进行模型训练答案：D解析：昇腾310处理器主要用于推理，而不用于模型训练。推理和训练是人工智能中的两个不同阶段，推理主要用于执行已训练好的模型，而训练则是为了生成可推理的模型。因此，选项D是错误的说法。89.以下哪个不是MindSpore常用的Operation?A、signalB、mathC、arrayD、nn答案：A解析：这道题考察的是对MindSpore框架中常用Operation的了解。MindSpore是一个全场景深度学习框架，它提供了丰富的API供开发者使用。在这些API中，"math"、"array"和"nn"都是常用的Operation，它们分别提供了数学运算、数组操作和神经网络相关的功能。而"signal"并不是MindSpore中常用的Operation，它更多与信号处理相关，不是MindSpore框架的核心部分。因此，正确答案是A。90.John在使用MindSpore练续里的时候保存了一个ckpt格式的检查点，然后他发现这种格式无法直接在昇腾310芯片上进行推理使用，为了可以利用当前模型在昇腾310处理器完成推理，以下选项中哪种做法是正确的?A、使用MindSpore加载当前检查点文件，然后导出为OM格式，即可在昇腾310处理器上进行推理。B、使用Mindspore加载当前检查点文件，然后导出为AIR格式，随后使用ATC(AscendTensorCompiler)工具转换为OM格式，即可在昇腾310处理器上进行推理。C、将ckpt格式文件的后缀名修改为AlR，随后使用ATC(AscendTensorCompiler)工具转换为OM格式，即可在昇腾310处理器上进行推理。D、多查阅官方文档,ckpt格式文件可以直接在昇腾310处理器上进行推理。答案：B解析：这道题考察的是对MindSpore框架和昇腾310芯片兼容性的理解。在MindSpore框架中，ckpt格式的检查点文件是模型训练过程中的快照，但它并不直接适用于昇腾310芯片的推理。为了能在昇腾310上进行推理，通常需要将模型转换为OM格式。正确的步骤是首先使用MindSpore加载ckpt文件，然后导出为AIR格式，接着使用ATC工具将AIR格式转换为OM格式，这样就可以在昇腾310处理器上进行推理了。因此，选项B是正确的。91.以下哪个选项不属于LSTM？A、遗忘门B、输入门C、记忆门D、输出门答案：C解析：这道题考察的是对LSTM（长短期记忆网络）结构的理解。LSTM是一种特殊的RNN（循环神经网络），它通过引入三个“门”结构来控制信息的流动，分别是遗忘门、输入门和输出门。这三个门分别负责决定哪些信息应该被遗忘、哪些新信息应该被存储以及哪些信息应该被输出。而“记忆门”并不是LSTM结构中的一部分，因此选项C是不属于LSTM的。92.Atlas加速AI推理使用的是什么处理器?A、异腾310处理器B、GPUC、异腾910处理器D、FPGA答案：A解析：华为公司在2019年发布的Atlas200AI加速模块（型号：3000）集成了昇腾310AI处理器，可以在端侧实现人脸识别、图像分类等，广泛用于智能摄像机、机器人、无人机等端侧AI场景93.下列选项中,哪个不是关键词提取常用的算法?()A、TextRankB、SSAC、LDAD、TF-IDF答案：B解析：TF-IDF,TextRank,主题模型算法(LSA、LSI、LDA)94.1ohn最近正在学习搭建卷积神经网络，假设输入图像大小是15∗15∗3(w∗ht)，经过一个含4个卷积核的卷积层，其中卷积核大小均为5∗5，步长为2，无填充，在不计算ias的情况下，该卷积层共有多少权重参数?A、75B、100C、300D、600答案：C解析：每个卷积核的大小为5×5×3（因为输入图像有3个通道），所以每个卷积核的参数数量为5×5×3=75个。卷积层共有4个卷积核，所以总的权重参数数量为75×4=300个。因此，答案选C。95.以下哪项技术的研究与发展能够提升模型训练的精度?A、自动并行B、二阶优化C、数据加速D、内存复用答案：B解析：这道题考察的是对模型训练精度提升技术的理解。在机器学习和深度学习领域，优化算法的选择对模型训练的精度有着至关重要的影响。二阶优化算法相较于一阶优化算法，使用了二阶导数信息，能够更准确地逼近全局最优解，从而提升模型训练的精度。因此，选项B“二阶优化”是正确答案。96.以下关于逻辑回归的描述中，哪一项是错误的？A、逻辑回归模型是一种分类模型，用来解决分类问题。B、逻辑回归在线性回归的基础上引入了非线性因素（sigmoid函数）。C、逻辑回归与线性回归都是广义线性模型。D、逻辑回归和线性回归的损失函数都是最小二乘损失函数。答案：D解析：逻辑回归和线性回归的损失函数并不是最小二乘损失函数，而是对数损失函数。因此，选项D是错误的。逻辑回归是一种广义线性模型，它在线性回归的基础上引入了非线性因素（sigmoid函数），用于解决二分类问题。逻辑回归是一种分类模型，主要用于预测一个样本属于某个类别（通常是二分类）的概率。97.如果采样频率为f,帧数为a,则以下哪一项是声音信号的长度?()A、/2fB、2a/fC、a/fD、a∗f答案：C解析：采样频率又称采样率,表示单位时间内从连续信号中提取并组成离散信号的采样个数,帧数/采样率为信号长度98.关于反向传播，以下哪种说法是错误的?A、反向传播会经过激活函数B、反向传播可以结合梯度下降算法更新网络权重C、反向传播只能在前馈神经网络中运用D、反向传播指的是误差通过网络反向传播答案：C解析：这道题考察的是对反向传播算法的理解。反向传播算法是神经网络中用于计算梯度的一种技术，它确实会经过激活函数，可以结合梯度下降算法来更新网络权重，也确实是误差通过网络反向传播的过程。而反向传播不仅适用于前馈神经网络，也适用于其他类型的神经网络，如卷积神经网络、循环神经网络等。因此，选项B的说法是错误的。99.一副图像的亮部太亮，暗部太暗，为了改善图像的视觉效果可以使用哪个技术?A、反转B、伽马矫正C、灰度拉伸D、灰度压缩答案：B解析：在图像处理中，伽马矫正是一种常用的技术，用于改善图像的视觉效果。当一副图像的亮部太亮，暗部太暗时，使用伽马矫正可以调整图像的亮度对比度，使得图像整体看起来更加自然和清晰。因此，选项B是正确的答案。100.核函数允许算法在变换后的高维特征空间中拟合最大的超平面，以下选项中不是常见核函数的是哪一项？A、线性核函数B、多项式核函数C、高斯核函数D、泊松核函数答案：D解析：这道题考察的是对核函数的理解。在机器学习中，核函数用于支持向量机（SVM）等算法，可以将数据映射到高维空间，以便更好地进行分类或回归。常见的核函数包括线性核、多项式核和高斯核（也称为RBF核）。泊松核函数并不是常见的核函数，因此选项D是不正确的。101.在MindSpore中Tensor可以和NumP数据类型进行互相转换。以下哪个函数可以将Tesor转换为NumPy的数据类型?A、benumpy()B、numpy()C、tonumpy0D、asnumpy()答案：D解析：这道题考察的是对MindSpore框架中Tensor与NumPy数据类型转换函数的理解。在MindSpore中，Tensor对象可以通过特定的函数转换为NumPy数组，以便进行进一步的数据处理或分析。根据MindSpore的官方文档和API，正确的函数是`asnumpy()`，它用于将Tensor对象转换为NumPy数组。因此，选项D是正确的。102.以下哪个选项使得GPU适用于神经网络的加速运算?()A、控制调度能力B、并行计算能力C、串行计算能力D、从内存调用数据的能力答案：B解析：并行计算是对矩阵计算加速的一种有效方法,GPU在对图像进行训练是,采用了并行计算进行加速103.一个汽车公司的产品,A厂占60%,B厂占40%,A的次品率是1%,B的次品率是3%,现在抽出一辆汽车是次品,问是A厂生产的可能性是多少?()A、1/2B、1/3C、2/3D、1/6答案：B解析：带入贝叶斯公式,p(甲|废品)=p(废品|甲)/p(废品)=(0.6×0.01)/(0.6×0.01+0.4×0.03)=0.33(核实)104.ReLU激活函数相比Sigmoid函数主要解决了什么问题?()A、坐标0位置没有导数B、分割不平滑C、单调递增D、梯度消失答案：D解析：这道题考察的是对ReLU激活函数和Sigmoid函数特性的理解。ReLU函数相比Sigmoid函数，主要优势在于其梯度特性。Sigmoid函数在输入值非常大或非常小时，梯度接近于0，这会导致在深度神经网络中训练时出现梯度消失问题。而ReLU函数在正数部分梯度恒为1，有效解决了梯度消失问题。因此，ReLU激活函数相比Sigmoid函数主要解决了梯度消失问题，选项D正确。105.某公司办公楼准入系统用来识别待进人员的所属部门，该公司共有六个不同的部门，适合此种应用需求的学习方法是以下哪一种？A、二分类问题B、多分类问题C、聚类问题D、回归问题答案：B解析：此问题是一个典型的分类问题，因为系统需要根据待进人员的特征（如身份卡、面部识别等）将其划分到六个不同的部门之一。二分类问题只涉及两个类别，而此问题涉及六个部门，因此是多分类问题。聚类问题涉及无监督学习，即没有预定义的类别；回归问题则用于预测连续数值。因此，适合此种应用需求的学习方法是多分类问题，选项B正确。106.神将网络训练时，常会遇到很多问题，对于梯度消失问题，我们可以通过选择使用以下哪种函数减轻该问题?A、Softsign函数B、Relu函数C、tanh函数D、Sigmoid函数答案：B解析：这道题考察的是对神经网络中激活函数特性的理解。梯度消失是深度神经网络训练中的一个常见问题，特别是在使用Sigmoid或tanh这类饱和激活函数时更为显著。Relu函数由于其非饱和的特性，在正数区域内梯度恒为1，这有助于缓解梯度消失问题。因此，选择A选项，即Relu函数，是减轻梯度消失问题的一个有效方法。107.下列选项中不是TensorFlow2.0支持的运算符是A、powB、C、^D、//答案：C解析：TensorFlow2.0是一个广泛使用的深度学习框架，它支持多种运算符用于构建和训练模型。在TensorFlow中，`pow`是幂运算符，``表示矩阵乘法，`//`表示整除。而`^`在Python中通常用作异或运算符，并不是TensorFlow支持的运算符，特别是在进行深度学习模型计算时。因此，选项C是正确的答案。108.在对抗生成网络当中，带有标签的数据应该被放在哪里?A、作为生成模型的输出值B、作为判别模型的输入值C、作为判别模型的输出值D、作为生成模型的输入值答案：B解析：在对抗生成网络（GAN）中，判别模型的任务是区分输入数据是真实的还是由生成模型生成的。为了实现这一点，判别模型需要接收带有标签的数据，以便学习如何区分真实数据和生成数据。因此，带有标签的数据应该作为判别模型的输入值，选项B正确。109.HSV每个字母代表什么A、色相（H），饱和度（S），亮度（V）B、饱和度（H），色调（S），亮度（V）C、明度（H），饱和度（S），色调（V）D、明度（H），色调（S），饱和度（V）答案：A解析：根据颜色理论，颜色通常被划分为三个基本属性色相（Hue）、饱和度（Saturation）和亮度（Value）。其中，HSV中的字母分别代表色相、饱和度和亮度。因此，正确是A。110.在MindSpore中，运行图片中的这段代码可以得到以下哪一项结果?FrommindsporeimportopsOneslike=ops.OnesLike()X=Tensor(np.array([[0,1].[2.1]]).astype(32))Oneput=oneslike(x)A、创建一个2∗2的张量output,其中每一个元素值都为1B、创建一个2∗2的张量output,其中元素的值为0,1,2,1C、创建一个2∗2的张量output,其中每个元素的值随机确定D、创建一个2∗1的张量值从[0,1]和[2,1]中随机挑选答案：A解析：这道题考察的是对MindSpore框架中OnesLike操作的理解。OnesLike操作会创建一个与输入张量形状相同的张量，且所有元素值都为1。根据题目中的代码，输入张量X是一个2∗2的张量，因此OnesLike操作会创建一个同样形状的张量，且所有元素值都为1。所以答案是A。111.以下哪个不是文本向量化的常用方法？A、EMB、CBOWC、BDOWD、M答案：A解析：文本向量化是自然语言处理中的一种技术，用于将文本转换为数值向量表示。常用的方法包括CBOW、BDOW和DM等。而EM算法是一种聚类方法，与文本向量化无关。因此，选项A是正确的。112.一副照片在存放过程中出现了很多小的噪点,对其扫描件进行()操作去噪效果最好。()A、中值滤波B、高斯滤波C、均值滤波D、拉普拉斯滤波答案：A解析：小噪点中值滤波效果较好113.使用MindSpore执行图片中的代码时，以下哪一项是这段代码的正确输出结果？图片代码：P=tensor（[4，0，5，0，0，0]，的type.float64）Print(p)A、Tensor（shape=[3]，dtype=Float64,value=[4,5,6]）B、Array({4,0,5,06,0})C、Tensor(shape=[3],dtype=Float64,value=[4,00000000e+000,5,00000000e+000,6,00000000e+000])