2024-2025华为ICT大赛（实践赛）-昇腾Al赛道理论考试题库大全-上（单选题）

PAGE2025华为ICT大赛（实践赛）-昇腾Al赛道理论考试题库大全-上（单选题汇总）一、单选题1.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。2.在处理图像领域中，卷积神经网络应用比较广泛，以下哪项不是卷积神经网络的组成部分?A、卷积层B、双向隐藏层C、全连接层D、池化层答案：B解析：这道题考察的是对卷积神经网络结构的理解。卷积神经网络主要由卷积层、激活层、池化层和全连接层等组成，用于图像处理和识别任务。其中，卷积层用于提取图像特征，池化层用于降低特征维度，全连接层用于分类或回归。而双向隐藏层并不是卷积神经网络的组成部分，它通常出现在循环神经网络中，用于处理序列数据。3.图像识别实验中，在4251个训练图片中，有超过2000个类别只有一张图片。还有一些类中有2-5个图片。这一描述反映了以下哪一种数据问题?A、数据不平衡问题B、脏数据和数据异常值问题C、数据缺失问题D、数据过拟合问题答案：A解析：这道题考察的是对数据问题的识别能力。在图像识别实验中，训练数据集包含4251张图片，但超过2000个类别只有一张图片，这表明数据分布极不均匀，即某些类别的样本数量远少于其他类别，这是典型的数据不平衡问题。因此，选项A“数据不平衡问题”是正确答案。4.以下关于机器学习中分类模型与回归模型的说法，哪一项说法是正确的?A、对回归问题和分类问题的评价，最常用的指标都是准确率和召回率B、输出变量为有限个离散变量的预测问题是回归问题，输出变量为连续变量的预测问题是分类问题C、回归问题知分类问题都有可能发生过拟合D、逻辑回归是一种典型的回归模型答案：C解析：这道题考察的是对机器学习中分类模型与回归模型的理解。A选项错误，因为准确率和召回率主要用于分类问题的评价，而不是回归问题。B选项错误，描述颠倒了，输出变量为有限个离散变量的预测问题是分类问题，输出变量为连续变量的预测问题是回归问题。C选项正确，无论是回归问题还是分类问题，都有可能发生过拟合，即模型在训练数据上表现很好，但在新数据上表现差。D选项错误，逻辑回归虽然名字中有“回归”，但实际上是一种分类模型，用于处理二分类问题。因此，正确答案是C。5.以下对于深度学习与人工神经网络的关系的描述，正确的是哪一项？A、深度学习是人工神经网络的前身B、深度学习与人工神经网络无关C、人工神经网络是深度学习的主要模型D、深度学习的模型只有人工神经网络答案：C解析：深度学习是机器学习的一个子领域，主要利用深度神经网络模型从数据中学习。人工神经网络（ANN）是深度学习的核心组成部分，其中深度神经网络是包含多个隐藏层的ANN。因此，深度学习依赖于人工神经网络作为其主要的模型结构。A项错误，因为深度学习是ANN的进一步发展和应用；B项错误，因为深度学习与ANN密切相关；D项错误，因为深度学习的模型除了ANN还包括其他模型，如卷积神经网络等。所以C项“人工神经网络是深度学习的主要模型”是正确的。6.ModelArts数据管理功能对应深度学习开发流程中的哪个部分()A、数据准备B、代码调试C、推理D、训练答案：A解析：数据预处理数据准备阶段7.MindCompiler子系统提供图级即时编译能力，以下哪一项不属于其面向硬件所进行的优化操作?A、算子融合B、layout优化C、冗余消除D、自动并行答案：C解析：MindCompiler子系统提供图级即时编译能力，其面向硬件所进行的优化操作包括算子融合、layout优化、冗余消除和自动并行。其中，算子融合是为了减少计算量，layout优化是为了提高内存访问效率，冗余消除是为了减少无效指令，而自动并行是为了提高并行度。因此，“冗余消除”不属于其面向硬件所进行的优化操作。8.以下哪一项属于循环神经网络中一对多的类型？A、机器翻译B、情感分析C、动作识别D、音乐生成答案：D解析：这道题考察的是对循环神经网络（RNN）应用类型的理解。RNN有多种类型，其中“一对多”指的是输入是一个序列，但输出是多个序列或序列的一部分。分析各选项：-A项（机器翻译）：通常属于“多对多”类型，输入和输出都是序列。-B项（情感分析）：属于“多对一”类型，输入是序列，输出是一个分类标签。-C项（动作识别）：同样可能是“多对一”或“多对多”，输入视频帧序列，输出动作类别或序列。-D项（音乐生成）：属于“一对多”类型，输入可以是单个音符或和弦，输出是一系列音符组成的音乐。因此，D项（音乐生成）是符合“一对多”类型的RNN应用。9.循环神经网络可以保存一种上下文的状态，循环神经网络也有不同的类型，其中类型有几种A、2B、3C、4D、5答案：D解析：这道题考察的是对循环神经网络类型的了解。循环神经网络（RNN）确实能够保存上下文的状态，这是它处理序列数据时的关键特性。RNN的不同类型主要包括基本RNN、长短时记忆网络（LSTM）、门控循环单元（GRU）等。实际上，如果详细分类，RNN的类型确实不止三种，而是更多，包括各种变种和优化。因此，根据广泛的认识和实际应用，RNN的类型可以认为是五种或更多，所以答案是D。10.一副8位的RGB彩色图像中，其中(255,255,255)代表什么颜色？A、黑色B、白色C、红色D、蓝色答案：B解析：这道题考察的是对RGB颜色模型的理解。在RGB颜色模型中，每种颜色由红(R)、绿(G)、蓝(B)三个颜色通道的值组合而成，每个通道的值范围是0-255。当三个通道的值都是255时，代表的颜色是白色。因此，(255,255,255)代表的是白色。11.面对行业研究与全场景AI应用之间的巨大鸿沟，MindSpore跨越应用鸿沟助力普惠AI的技术创新不包括以下哪项?A、新协作方式B、新编程语言C、新编程范式D、新执行模式答案：B解析：这道题考察的是对MindSpore在普惠AI技术创新方面的理解。MindSpore作为一个全场景深度学习框架，旨在跨越行业研究与AI应用之间的鸿沟。它主要通过提供新的协作方式、编程范式和执行模式来实现这一目标，从而助力普惠AI的技术创新。而新编程语言并非其主要创新点。12.OTSU算法遍历可能的阈值,并且选取前景区域和背景区域()最大的分割阈值为最佳阈值。()A、绝对差B、面积差C、像素值累积差值D、类间方差答案：D解析：OTSU算法是一种自适应的阈值算法，它通过遍历可能的阈值，并选择前景区域和背景区域类间方差最大的分割阈值为最佳阈值。因此，选项D是正确的。13.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。14.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。15.机器学习中，从获得数据到模型正式放入模型之前，以下哪个选项不是这个过程的一部分？A、数据可视化B、数据降维C、数据标准化D、数据清理答案：A解析：这道题考察的是机器学习数据处理流程的理解。在机器学习中，从获取数据到模型部署之前，通常会经历一系列的数据预处理步骤。数据降维（B选项）是为了减少数据集的维度，提高计算效率；数据标准化（C选项）是为了将数据缩放到一个统一的范围，便于模型处理；数据清理（D选项）是为了去除数据中的噪声和异常值，提高数据质量。而数据可视化（A选项）通常是在数据处理和分析之后进行的，用于直观地展示数据特征和模型结果，不属于从获得数据到模型正式放入之前的流程。因此，A选项不是这个过程的一部分。16.John想要通过神经网络，将一段视频中的众多个动物检测出来，并确定它们的大概位置，则John可以选择以下哪个网络?A、VGG-19B、FasterRCNNC、BERTD、GoogLeNet答案：B解析：这道题考察的是对神经网络模型应用场景的理解。John的任务是检测视频中的动物并确定它们的位置，这属于目标检测任务。在选项中，FasterRCNN是专门用于目标检测的模型，能够同时进行分类和定位。因此，B选项是合适的选择。17.OTSU算法遍历可能的阈值，并且选取前景区域和背景区域（）最大的分割阈值为最佳阈值。A、绝对差B、面积差C、像素值累积差值D、类间方差答案：D解析：OTSU算法是一种自适应的阈值算法，它通过遍历可能的阈值，并选择前景区域和背景区域类间方差最大的分割阈值为最佳阈值。因此，选项D是正确的。18.关于高斯分布曲线描述正确的是?A、高斯曲线呈钟型，两头高，中间低B、标准差越小，曲线越扁平C、标准差越大，曲线越瘦高D、高斯曲线呈钟型，两头低，中间高答案：D解析：这道题考察的是对高斯分布曲线特征的理解。高斯分布曲线，也称为正态分布曲线，其形状是两头低、中间高的钟型曲线。对于选项A，描述与高斯曲线的实际形状相反，因此不正确。对于选项B，标准差越小，实际上曲线会越瘦高，而非扁平，所以B错误。选项C正确描述了高斯曲线的形状。选项D，标准差越大，曲线会越扁平，而非瘦高，因此D错误。所以，正确答案是C。19.Atlas加速AI推理使用的是什么处理器?A、异腾310处理器B、GPUC、昇腾910处理器D、FPG答案：A解析：Atlas是华为推出的一款AI加速计算平台，其核心在于为AI推理提供高效的硬件支持。考虑到Atlas平台的定位和应用场景，其选择的处理器需要满足高性能、低功耗等要求。在选项中，昇腾910和昇腾310都是华为自家研发的AI处理器，而GPU和FPGA也是常见的AI加速硬件。但根据Atlas的具体配置和应用，它使用的是昇腾310处理器，这款处理器专为AI推理设计，能够提供高效的计算性能。因此，选项B是正确的。20.以下对超参数学习率的作用的描述，正确的是哪一项？A、减少过拟合B、控制参数更新速度C、減少偏差D、都不対答案：B解析：正确答案是B.控制参数更新速度。学习率是一个超参数，它控制了每次更新参数时更新的步长。如果学习率过大，参数可能会在最小值附近“震荡”，无法收敛；如果学习率过小，参数可能需要很长时间才能收敛，甚至可能无法收敛。因此，学习率决定了参数更新的速度，从而影响了模型的训练效果。21.以下常见的回归方法中，既可以防止过拟合又可以进行特征选择的是哪一项?A、LASSO回归B、多项式回归C、多元线性回归D、Ridge回归答案：A解析：在常见的回归方法中，过拟合是一个需要避免的问题，它指的是模型在训练数据上表现很好，但在新数据上表现差。特征选择则是选择对模型预测最有用的特征。A选项，Ridge回归，可以防止过拟合，因为它通过对系数的大小施加惩罚来实现，但它并不直接进行特征选择。B选项，LASSO回归，既可以防止过拟合，因为它也对系数大小施加惩罚，又可以进行特征选择，因为它倾向于将不重要的特征的系数减小到0。C选项，多项式回归，主要用于拟合非线性关系，并不直接防止过拟合或进行特征选择。D选项，多元线性回归，是基本的线性回归模型，同样不直接防止过拟合或进行特征选择。因此，答案是B，LASSO回归。22.在Mindspore数据处理过程中，需要对全数据集执行归一化、通道变换等操作，需要借助以下哪一个方法?A、BatchB、MapC、Shuffle。D、Repeat答案：B解析：在MindSpore数据处理中，Map方法常用于对数据集中的每个元素进行特定的操作，比如归一化、通道变换等数据预处理操作。Batch方法主要用于将数据按照指定的批量大小进行分组。Shuffle方法用于打乱数据集的顺序。Repeat方法用于对数据集进行重复。综上所述，对全数据集执行归一化、通道变换等操作应借助Map方法，所以答案选B。23.以下关于决策树的描述中，哪—项是错误的?A、构建决策树的关键步骡就是按照所有的特征属性进行划分操作B、决策树中除了根节点之外的其它节点统称为叶子节点C、GNI系数可以被看作是一种纯度的量化指标D、ID3算法德用信息增益率进行属性选择答案：B解析：这道题考察的是对决策树相关概念的理解。A选项，构建决策树时，确实需要按照特征属性进行划分，这是构建决策树的基本步骤，所以A选项描述正确。B选项，决策树中，除了根节点和叶子节点，还有内部节点，这些节点表示特征属性的测试，并根据测试结果将数据集划分到子节点中。因此，B选项描述错误。C选项，GNI（基尼不纯度）是衡量数据集纯度的一种指标，在决策树的构建过程中，通常会选择使得划分后数据集基尼不纯度最小的属性作为划分属性，所以C选项描述正确。D选项，ID3算法确实使用信息增益率进行属性选择，这是ID3算法的一个基本特点，所以D选项描述正确。综上所述，错误的选项是B。24.如果有100个卷积核，每个卷积核的大小是10x10，在不考虑偏置的情况下，以下哪一项是正确的参数量A、100B、100KC、10KD、1K答案：C解析：卷积核的参数量计算通常基于其尺寸。每个卷积核的大小是10x10，所以每个卷积核有100个参数。如果有100个这样的卷积核，那么总参数量就是100个卷积核乘以每个卷积核的100个参数，即10K。因此，选项C是正确的答案。25.1ohn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。26.某厂家想要生产一批虚拟助理以供医院使用，而对于虚拟助理来说,声纹识别主要涉及到以下哪一项技术?A、语音识别和处理技术B、图像识别与处理技术C、图像生成与增强技术D、专家系统与知识图谱技术答案：A解析：这道题考察的是对虚拟助理技术领域的了解。声纹识别是虚拟助理在交互过程中识别用户声音特征的技术，它主要依赖于语音识别和处理技术。通过这项技术，虚拟助理能够解析和处理用户的语音输入，进而实现与用户的自然交互。因此，对于虚拟助理来说，声纹识别主要涉及到的是语音识别和处理技术。27.TensorFlow中使用什么来描述计算过程？A、参数B、会话C、数据流图D、张量答案：C解析：这道题考察的是对TensorFlow框架基础知识的理解。在TensorFlow中，计算过程是通过构建数据流图（DataFlowGraphs）来描述的，这是一种高效的计算表示方式。数据流图由节点（nodes）和边（edges）组成，节点代表数学操作，边则表示节点之间的数据流动。因此，正确答案是C，数据流图。28.以下哪个不是文本向量化的常用方法?A、EMB、CBOWC、DBOWD、M答案：A解析：这道题考查对文本向量化常用方法的了解。在自然语言处理中，CBOW、DBOW和DM是常见的文本向量化方法。而EM一般用于概率模型的参数估计，并非文本向量化的常用方法，所以答案选A。29.在交通执法的车辆检测场景中,对违章车辆的判罚宁可漏报,不要误报,以免产生错误的罚款,这需要系统的哪个指标很高()A、召回率B、精度(precision)C、正确率(Accuracy)D、置信度答案：B解析：正确率,判断正确的样本数占所有样本数的比例。备注:如果该题有precision(查准率),首选该指标。PPT117,将precision翻译做精度30.机器学习中,SVM算法的支撑向量可能有多少个?()A、1B、2C、3D、若干答案：D解析：SVM算法的支撑向量是指离分类边界最近的样本,可以是一个或多个31.考虑以下场景。使用机器学习算法进行垃圾邮件的过滤。根据机器学习的简单定义，以下哪选项属于性能衡量标准P?A、过去三年所有带标签的垃圾邮件和正常邮件数据邮箱地址B、邮箱地址C、过滤垃圾邮件D、垃圾件过滤正确率答案：D解析：在机器学习中，性能衡量标准是用来评估模型好坏的指标。对于垃圾邮件过滤这一应用场景，我们需要一个指标来衡量模型过滤垃圾邮件的效果。选项A提供了过去三年所有带标签的垃圾邮件和正常邮件数据，这是训练数据，而非性能衡量标准。选项B的邮箱地址同样只是数据的一部分，并不能作为衡量模型性能的指标。选项C的“过滤垃圾邮件”是模型的功能描述，并非性能衡量标准。选项D的“垃圾邮件过滤正确率”则是一个明确的性能衡量标准，它能告诉我们模型过滤垃圾邮件的准确性如何。因此，答案是D。32.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。33.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。34.在应用开发时，以下哪种操作不属于典型网络定义?A、网络定义B、网络执行C、知识蒸馏D、权值初始化答案：C解析：在应用开发中，网络定义是典型网络操作之一，它包括网络架构的设计、参数的配置等。选项A是正确的。而知识蒸馏、权值初始化都是与网络训练和优化相关的操作，但不是网络定义。因此，选项C不属于典型网络定义。35.最近网络上爆红的一款软件可以通过拍照后，将真实场景转变为漫画风格，John想自己搭建一个网络实现其功能，以下选项可供参考?A、CartoonGAN(GenerativeAdversarialNetworksforPhotoCartoonization)B、GRU(GateRecurrentUnit)C、RNN(RecurrentNeuralNetwork)D、LSTM(LongShort-TermMemory)答案：A解析：本题考察的是对深度学习模型应用的理解。CartoonGAN是专门用于将照片转换为漫画风格的生成对抗网络。而GRU、RNN和LSTM主要用于序列数据处理，不适合直接用于图像风格转换。因此，John应选择CartoonGAN来实现其功能。36.TensorFlow2.0的keras.preprocessing的作用是?A、keras数据处理工具B、keras内置优化器C、keras模型部署工具D、Keras生成模型工具答案：A解析：这道题考察的是对tf.keras.preprocessing模块的理解。在TensorFlow框架中，tf.keras.preprocessing模块主要用于数据的预处理，包括数据的归一化、标准化、编码转换等，以便于模型更好地进行训练和预测。因此，根据这个知识点，我们可以确定答案是B，即keras数据处理工具。37.在Mindspore中，能够提供训练过程可视化的是以下哪个子系统?A、MindDataB、MindCompilerC、MindinsightD、MindExpressd答案：C解析：MindInsight是MindSpore中的一个子系统，其主要功能就是为训练过程提供可视化支持。它能够帮助用户直观地了解模型训练的情况，包括参数变化、性能指标等。而MindData主要负责数据处理，MindCompiler侧重于模型编译优化，MindExpressd并非MindSpore中的常见子系统。所以，正确答案是C。38.用一个3x3的卷积核对一副三通道彩色图像进行卷积，要学习的参数的个数为?A、27B、9C、28D、10答案：A解析：这道题考查对卷积运算中参数个数的计算。在卷积操作中，对于3x3的卷积核，每个位置都有对应三个通道的参数。所以每个位置的参数有3x3x3=27个。因此，用一个3x3的卷积核对一副三通道彩色图像进行卷积，要学习的参数个数为27个。39.以下关于机器学习整体流程正确的是A、数据收集->数据清洗->特征提取与选择->模型训练->模型部署与整合->模型评估测试B、数据收集->特征提取与选择->数据清洗->模型训练->模型评估测试->模型部署与整合C、数据收集->数据清洗->特征提取与选择->模型训练->模型评估测试->模型部署与整合D、数据收集->数据清洗->模型训练->特征提取与选择->模型部署与整合->模型评估测试答案：C解析：这道题考察的是对机器学习整体流程的理解。在机器学习中，流程通常遵循一定的顺序：首先进行数据收集，随后进行数据清洗以处理缺失值、异常值等，接着进行特征提取与选择，为模型训练做准备。模型训练完成后，需要进行模型评估测试，验证模型的性能，最后进行模型部署与整合，将模型应用到实际场景中。根据这个流程，选项C正确描述了机器学习的整体流程。40.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)41.在达芬奇架构中，向量计算单元不支持的计算类型是以下哪一个选项?A、Int8B、FP32C、FP16D、Int16答案：D解析：在达芬奇架构中，向量计算单元通常支持FP32、FP16、和Int8等计算类型。由于Int16是一种整数类型，无法被向量计算单元直接支持，因此，为A。42.以下哪个不是Mindspore常用的Operation?A、SignalB、MathC、NnD、Array答案：A解析：MindSpore是一个面向全场景（手机、边缘计算、云等）的AI计算框架，旨在提供易于使用、高性能和灵活的AI开发平台。MindSpore中常用的Operation主要包括用于处理数据、执行数学运算、进行神经网络搭建和训练等功能。根据提供的选项，"signal"不是MindSpore常用的Operation，因为MindSpore内核主要提供math库、array库和nn（神经网络）库来完成AI相关的计算和操作。因此，正确答案是A。43.一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44.当使用TensorFlow2.0的keras接口搭建神经网络时，需要进行网络的编译工作，需要用到以下哪种方法?A、compileB、writeC、joinD、fit答案：A解析：在使用TensorFlow2.0中Keras接口来构建神经网络时，需要进行网络的编译工作。对于这一步骤，通常需要使用`.compile`方法来对模型进行配置，包括选择优化器、损失函数以及评估指标等。因此，正确答案是选项A：compile。45.对于常用梯度下降算法的描述，以下选项中哪一项是错误的?A、小批量梯度下降(MBGD)，每次使用一定数量的的训练样本进行训练B、批量梯度下降(BGD)是收敛速度最快，消耗计算资源最少的一种方法。C、随机梯度下降(SGD)，每次使用一个训练样本进行训练。D、批量梯度下降(BGD)，每次使用所有的训练样本进行训练。答案：B46.不属于DNN结构组成部分的是?()A、隐藏层B、权重C、激活函数D、ropout答案：D解析：这道题考察的是对深度神经网络（DNN）结构的理解。DNN主要由输入层、隐藏层、输出层以及激活函数等构成。其中，隐藏层是DNN的重要组成部分，用于提取特征；激活函数用于增加网络的非线性，帮助网络学习复杂的模式；Dropout是一种正则化技术，用于防止过拟合。而权重是神经网络中的参数，不属于DNN的结构组成部分，而是其训练过程中需要学习和调整的对象。因此，正确答案是B。47.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。48.以下关于输入缓冲区的描述，正确的是哪一个选项?A、用来存放神经网络中的初始量。B、可永久保留需要重复使用的数据。C、降低总线上产生拥堵的风险。D、需要每次都通过总线接口到AICore的外部进行读取答案：C解析：输入缓冲区的主要作用是降低总线上产生拥堵的风险。当一个系统或设备需要从另一个系统或设备获取输入数据时，如果直接通过总线进行传输，可能会引起总线拥堵。输入缓冲区可以暂时存储这些数据，等待总线空闲时再一次性传输。49.“人工智能对于所有的数据都可以处理。”关干上述描述，以下哪一个说法是正确的?A、该说法错误是深度学习能对所有的数据都可以处理B、该说法正确，AI可以处理任何数据,C、该说法正确AI对于数据有很的学习能力D、该说法措误，需要对致据进行预处理等操作才可以输入模型答案：D解析：人工智能并不能处理所有数据，它需要经过数据预处理等操作才能输入模型，因此选项D是正确的。AI对于数据有很强的学习能力，但并不是可以处理任何数据。50.下列哪一项是张量[[0，1]，[2，3]]的正确阶数?A、2B、3C、6D、4答案：A解析：这道题考察的是对张量阶数的理解。张量的阶数，也称为维度，是指张量中索引的数量。在张量［0，1］：［2，3］中，有两个索引范围，即［0，1］和［2，3］，因此它是一个二阶张量。所以正确答案是C。51.以下关于剪枝的描述中,哪一项是错误的?A、决策树容易过拟合需要剪枝来缩小树的结构和规模。B、预剪枝中设置的层数是一个超参数。C、ID3算法中都会进行剪枝。D、剪枝可以分为预剪枝和后剪枝。答案：B解析：这道题考察的是对剪枝技术的理解。剪枝是决策树算法中用来防止过拟合的一种技术。选项A描述了剪枝的目的，是正确的。选项D说明了剪枝的两种类型，也是正确的。ID3算法确实包含了剪枝的步骤，所以选项C也是正确的。而选项B提到的“预剪枝中设置的层数是一个超参数”是不准确的，因为预剪枝通常基于一些停止条件如节点中的样本数或信息增益等，而不是简单地设置层数作为超参数。因此，选项B是错误的。52.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、逻辑回归与线性回归都是广义线性模型。C、逻辑回归在线性回归的基础上引入了非线性因素(sigmoid函数)。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。53.以下哪一项不是异腾AI芯片AICore中的基础计算资源?A、矩阵计算单元B、向量计算单元C、标量计算单元D、张量计算单元答案：D解析：达芬奇架构(AICore)计算单元提供了三种基础计算资源,矩阵计算单元(CubeUnit)、向量计算单元(VectorUnit)、标量计算单元(ScalarUnit),不包含张量计算单元54.在综合实验的语音合成实验中.,如果想要设置音量,可以使用下面哪一个方法?A、ttsc_request—ItsCustomRequest(textETtsC_request.setpitch(O)B、ttsc_request=TtsC.ustomRequest(test):ttscRequest.setspeed(O)C、ttsc_requestTtsCustomRequest(textY:ttsc_request.set_sleD、ttsc_request=TtsCustomRequest(text;ttsc_request.set_volume答案：D解析：在语音合成实验中，通常需要设置音量来控制合成语音的音量大小。根据提供的选项，只有选项D中的`ttsc_request.set_volume`方法可以用于设置音量。选项A中的`ttsc_request.set_pitch`方法用于设置音调，而不是音量。选项B中的`ttsc_request.set_speed`方法用于设置语速，也不是音量。选项C中的`ttsc_request.set_sle`方法用于设置采样率，同样不是音量。因此，正确答案是选项D。55.以下哪个选项是分类任务标签的类型?()A、离散型B、连续型C、自变型D、应变型答案：A解析：分类任务标签是离散型,回归任务标签是连续型56.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。57.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：D解析：根据题目中的描述，标签列为数值型连续数据，这通常意味着数据是连续的，而非离散的。因此，标签列数据类型更适合用回归模型进行处理。而预测分析项目通常涉及的是数值型数据的预测，因此训练的模型类型应该是回归模型。因此，选项D是正确的。58.用手机对一份文档拍照时,因为拍摄角度的原因,图像中的文档有畸变,可以求出个对应关键点坐标,对图像进行变换,将文档图像修正。()A、4,仿射B、4,透视C、3,透视D、3,仿射答案：B解析：这道题考察的是图像变换和修正的知识点。在图像处理中，透视变换是一种常用的技术，用于校正由于拍摄角度导致的图像畸变。透视变换需要4个对应的关键点坐标来确定变换矩阵，从而实现对图像的修正。因此，根据题目描述，选择“4，透视”是正确的。59.卷积神经网络在以下哪个领域表现突出?()A、知识图谱B、语音识别C、计算机视觉D、机器翻译答案：C解析：这道题考察的是对卷积神经网络（CNN）应用领域的了解。卷积神经网络特别适合于处理具有明显空间层次结构的数据，如图像。在计算机视觉领域，CNN因其强大的图像特征提取能力而表现突出。相比之下，语音识别、机器翻译和知识图谱等领域虽然也可能用到神经网络，但并非卷积神经网络的专长。因此，正确答案是A，即计算机视觉。60.假设你有5个大小为7x7、边界值为0的卷积核，同时卷积神经网络第一层的深度为1。此时如果你向这一层传入一个维度为224x224x3的数据，那么神经网络下一层所接收到的数据维度是多少？A、218x218x5B、217x217x8C、217x217x3D、220x220x5答案：A解析：（224-7）/1+1=218，因为是5个卷积核，所以输出通道肯定是5，选A。61.Atlas200DK所基于的昇腾310芯片主要的应用是？A、训练模型B、构建模型C、模型推理答案：C解析：Atlas200DK是基于华为昇腾310芯片的开发套件，它主要针对的是AI模型的推理应用。推理是指使用已经训练好的模型对数据进行预测或分类的过程。与训练模型不同，推理过程不需要大量的计算资源，而是更注重低延迟和高效率。因此，昇腾310芯片的设计重点是优化推理性能，使得Atlas200DK在模型推理应用中表现出色。所以，选项A“模型推理”是正确的答案。62.关于AscendCL使用说法正确的是?()A、初始化资源时需要显式的创建Context和Stream。B、AscendCL开发流程中所需资源（如内存)是自动进行调配的。C、Host侧和Device侧数据是共享的。D、获取模型信息、构造推理数据时，需要声明对应的数据类型。答案：D解析：在AscendCL的开发中，模型的推理数据和对应的数据类型需要被明确声明，以便Host侧和Device侧能正确地传递和处理数据。这是AscendCL开发流程中的重要步骤之一。因此，选项D是正确的。63.Mindspore.ops.GradOperation(get_all-False,get_by_lisparam=False)。以下关于上述代码的描述中，正确的是哪一项?A、get_all为False时，会对所有揄入求导B、sens_param对网络的输出值做缩放以改变最终梯度C、get_by_Iist为False时会对权重求导。D、GradOperation方法在梯度下降和反向传播中没有任何用处答案：B解析：`mindspore.ops.GradOperation`是MindSpore框架中用于计算梯度的操作。分析各选项`get_all=False`时，不会对所有输入求导，而是根据其他参数的设置选择性地求导。`sens_param`用于指定对哪些输入的梯度进行缩放，但它并不直接对网络的输出值做缩放。`get_by_list=False`时，不会根据列表中的指定参数求导，而是根据其他参数的设置进行。`GradOperation`方法是梯度下降和反向传播中的核心，用于计算梯度，说它“没有任何用处”是不正确的。但此处的表述可能是个设问，实际上是在测试对`GradOperation`作用的理解64.用两个3x3的卷积核对一副三通道的彩色图像进卷积，得到的特征图有几个通道?()A、1B、2C、3D、4答案：B解析：对一副三通道的彩色图像进行卷积时，每个卷积核会生成一个特征图，因此使用两个3x3的卷积核会生成两个特征图。由于每个特征图都是单通道的，所以最终得到的特征图有2个通道。65.以下关于机器学习描述正确的是?A、深度学习是机器学习的一个分支B、深度学习与机器学习是互相包含的关系C、深度学习与机器学习同属于人工智能但相互之间没有关系D、以上都不对答案：A解析：机器学习是一个广泛的概念，涵盖了多种使计算机能够从数据中学习的算法和技术。深度学习是机器学习的一个子集，它利用深度神经网络模型来模拟人脑的学习过程，特别擅长处理复杂的数据和任务，如图像和语音识别。因此，深度学习可以被视为机器学习的一个分支。选项A正确描述了深度学习与机器学习之间的关系，而选项B、C、D则没有正确描述这种关系。66.在语音识别实验中,如果想要设置输出结果添加标点，需要使用以下哪一个选项?A、sr_request.set_addpunc('yes)B、asr_request.set_add_punc('no)C、onfig.set_read_timeout('yes')D、config.set_read_timeout(no)答案：A解析：在语音识别实验中，如果想要设置输出结果添加标点，需要使用设置输出参数的方法。选项A中的asr_request.set_add_punc('yes')是一种常用的设置方式，表示输出结果中将添加标点符号。因此，正确是A。67.关子机器学习的数据集，以下说法哪一项是正确的?A、数据集可分为训练集和测试集，其中测试集用于模型训练，即寻找特征与目标之间的关系。B、数据集中的样本指的是每条记录的不同属性，比如姓名，年龄，性别等信息。C、数据集的特征指的是每条记录的不同属性、比如姓名，年龄，性别等信息。D、有监督学习任务中，数据集的目标列一般不包含标签答案：C解析：这道题考察的是对机器学习数据集相关概念的理解。A选项错误，因为测试集是用于评估模型性能的，而不是用于模型训练。B选项错误，样本指的是数据集中的每一条记录，而不是记录的不同属性。C选项正确，数据集的特征确实指的是每条记录的不同属性，如姓名、年龄、性别等。D选项错误，有监督学习任务中，数据集的目标列是包含标签的，用于指导模型的训练。因此，正确答案是C。68.274.下图中,像素点p和s之间的棋盘距离是()(&符号表示空格)P&q&r&t&&&sA、5B、8C、3D、2答案：C解析：棋盘距离定义为:D=MAX{|x1-x2|,|y1-y2|}69.以下哪个不是文本向量化的常用方法？A、CBOWB、DBOWC、DMD、EM答案：D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、DBOW、DM等。而EM算法是一种常用于聚类和分类的方法，不是文本向量化的常用方法。因此，选项A是正确的。70.感知器在空间中可以展现为A、线B、平面C、超平面D、点答案：C解析：在AI和机器学习领域，特别是在讨论感知器（Perceptron）时，我们通常将其在空间中的表现形式考虑为一个分界面，这个分界面用于区分不同的类别或进行决策。对于线性感知器，这个分界面就是一个超平面（Hyperplane）。超平面是一个数学概念，在多维空间中，它可以是一个平面（二维空间），也可以是一个更高维度的类似结构。因此，感知器在空间中可以展现为超平面，选项C是正确的。71.以下哪个不是图像识别服务的应用?A、目标检测B、智能相册C、场景分析D、语音合成答案：D解析：图像识别服务主要处理和分析图像数据，用于识别图像中的目标、场景等内容。选项A“目标检测”是图像识别的一个应用，用于检测图像中的特定目标；选项B“智能相册”通常利用图像识别技术来自动分类和整理照片；选项C“场景分析”也是图像识别的一个应用，用于理解和分析图像中的场景。而选项D“语音合成”是语音处理领域的技术，与图像识别无关，它涉及将文本转换为语音输出。因此，D选项不是图像识别服务的应用。72.ModelArts自动学习的使用流程是什么？A、部署上线->模型训练->数据标注B、模型训练->数据标注->部署上线C、数据标注->模型训练->部署上线D、数据标注->部署上线->模型训练答案：C解析：这道题考察的是对ModelArts自动学习使用流程的理解。在机器学习项目中，通常的流程是先进行数据标注，以便为模型训练提供准确的输入；接着进行模型训练，使用标注好的数据来训练模型；最后进行部署上线，将训练好的模型部署到实际的应用场景中。因此，正确的使用流程应该是数据标注->模型训练->部署上线，选项D正确。73.以下哪个选项不是在自然语言处理发展过程中的方法？A、基于统计的方法B、基于规则的方法C、基于深度学习的方法D、基于递归的方法答案：D解析：在自然语言处理的发展过程中，出现了多种方法，其中基于深度学习的方法是目前最主流的方法之一。基于统计的方法和基于规则的方法也是自然语言处理中常用的方法，但它们不是基于递归的方法74.以下关于支持向量机的描述中，哪一项是错误的？A、支持向量机是一种分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器。B、支持向量机还包括核技巧，这使它成为实质上的非线性分类器。C、对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化到高维特征空间使其线性可分。D、支持向量机只能解决线性分类问题。答案：D解析：这道题考察的是对支持向量机（SVM）的理解。支持向量机确实是一种分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，所以A选项描述正确。同时，支持向量机通过引入核技巧，可以处理非线性问题，成为实质上的非线性分类器，因此B选项也是正确的。对于线性不可分的情况，SVM可以通过使用核函数将低维输入空间线性不可分的样本映射到高维特征空间，使其线性可分，所以C选项描述也是准确的。而D选项，“支持向量机只能解决线性分类问题”，这一说法是错误的，因为通过核技巧，支持向量机同样可以解决非线性分类问题。75.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。76.以下方法中属于特征选择嵌入法(Embedded)的是哪一项?A、方差B、特征递归消除法C、LI正则D、互信息法答案：C解析：特征选择嵌入法（Embedded）是一种通过引入某种约束条件来选择特征的方法。其中，L1正则是一种常见的约束条件，它通过惩罚具有较大系数的特征来抑制过拟合，从而选择出重要的特征。因此，选项A“L1正则”是正确的。77.NNLM模型中,网络输出层采用的激活函数是什么?()A、TanhB、SoftmaxC、ReLUD、Sigmoid答案：B解析：NNLM指神经网络语言模型。通常,卷积神经网络会将末端得到的特征图平摊成一个长的列向量,经过全连接层的计算得到最终的输出层,一般使用softmax激活函数将最终的输出量化。78.卷积神经网络在以下哪个领域表现突出？A、知识图谱B、语音识别C、计算机视觉D、机器翻译答案：C解析：这道题考察的是对卷积神经网络（CNN）应用领域的了解。卷积神经网络特别适合于处理具有明显空间层次结构的数据，如图像。在计算机视觉领域，CNN因其强大的图像特征提取能力而表现突出。相比之下，语音识别、机器翻译和知识图谱等领域虽然也可能用到神经网络，但并非卷积神经网络的专长。因此，正确答案是A，即计算机视觉。79.关于通用的图像识别流程，以下说法中哪一项是正确的?A、特征提取→图像采集一→图像预处理→图像识别B、图像采集→>图像预改处理→>特征提取—>图像识别C、图像预改处理→特征提取→图像采集一→图像识别D、图像预政处理→图像采集一→特征提取图像识别答案：B解析：这道题考察的是对图像识别流程的理解。在通用的图像识别流程中，首先进行图像采集，获取到原始的图像数据；接着进行图像预处理，对图像进行去噪、增强等操作，以改善图像质量；然后进行特征提取，从预处理后的图像中提取出有用的特征信息；最后进行图像识别，根据提取的特征进行分类和识别。因此，正确的流程是图像采集→图像预处理→特征提取→图像识别，对应选项B。80.以下选项中不属于超参数搜索方法的是哪一项?A、网格搜索B、聚类算法C、贝叶斯搜索D、随机搜索答案：B解析：在机器学习和深度学习中，超参数搜索是优化模型性能的重要步骤。超参数搜索方法主要分为以下几类：网格搜索、随机搜索、贝叶斯搜索等。A选项网格搜索是通过在预定义的参数空间中穷举搜索最优的参数组合。C选项贝叶斯搜索是一种基于贝叶斯优化理论的搜索方法，它能够根据历史搜索结果动态调整搜索范围。D选项随机搜索是随机选取不同的参数组合来探索整个参数空间，寻求可能的最优解。而B选项聚类算法，是一种无监督学习方法，主要目的是将数据点进行分类，使其同组内的相似度尽可能高，与其他组的差异尽可能大。因此，它不是超参数搜索方法的一种。所以，答案为B、聚类算法。81.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。82.测试误差会随着模型复杂度的上升不断诚小。——A、TRUEB、FALSE答案：B解析：当一个模型的复杂度增加时，通常测试误差会逐渐增大而不是减小，即测试误差不会随着模型复杂度的上升而持续减小。因为这种情况下，模型可能过度拟合训练数据，导致泛化能力变弱，从而导致在新数据上出现更大的误差。所以，选项B是正确的答案。83.词袋模型是最早的以词语为基本处理单元的文本向量化方法。以下哪个选项不是词袋模型的缺陷?()A、无法保留次序信息B、基于分布假说C、维度灾难D、存在语义鸿沟答案：B解析：基于分布假说不能认为是缺陷。词袋模型损失了词语顺序、上下文信息,所以存在语义鸿沟。如果一篇文章词语太多,就会形成一个长向量,造成维度灾难84.华为云AＰＩ符合ＲEＳＴful的设计规范，以下哪个选项不是发起请求的方式？A、KerberorsB、CurlC、REST客户端D、编码答案：A解析：RESTfulAPI的设计规范要求发起请求的方式主要包括Curl、REST客户端和编码等，而Kerberos不是发起请求的方式，而是一种认证协议。因此，是A。85.修改HSV彩色空间的H分量，会改变图像的什么?A、亮度B、饱和度C、色相D、对比度答案：C解析：另一种常用的颜色空间是HSV，该颜色空间可以用一个圆锥来表示。HSV表示色相(hue)、饱和度(saturation)和亮度(value)。H表示颜色的相位角(hue)，取值范围是0-360；S表示颜色的饱和度(saturation)，范围从0到1，它表示成所选颜色的纯度和该颜色最大的纯度之间的比率；V表示色彩的明亮程度(value)，范围从0到1。Apple的Mac操作系统以及photoshop都是采用HSV颜色空间。86.对于坐标(x,y)的像素P,P有四个水平垂直的相邻像素,称为4邻域,以下哪一项能够正确表示该4邻域的坐标?A、(x-1,y),(x-1,y),(x,y-1),(x,y+1)B、(x-1,y),(x+1,y),(x,y+1),(x,y+1)C、(x-1,y),(x+1,y),(x,y-1),(x,y-1)D、(x-1,y),(x+1,y),(x,y-1),(x,y+1)答案：D解析：4邻域指上下左右四个像素87.正则化在深度学习中经常使用到，我们在深度学习使用正则化解决什么问题A、梯度消失问题B、数据不平衡问题C、XOR问题D、过拟合问题答案：D解析：这道题考察的是正则化在深度学习中的应用。正则化技术，如L1、L2正则化，主要用于控制模型的复杂度，防止模型在训练数据上学习得过于复杂，从而在新的、未见过的数据上表现不佳，即过拟合。梯度消失、数据不平衡、XOR问题并不是正则化主要解决的目标。因此，正确答案是D，即正则化在深度学习中主要用于解决过拟合问题。88.利用gensim实现Doc2vce时，哪个参数代表选择的具体模型？A、dm_meanB、dm_tag_countC、dm_concatD、m答案：D解析：在Gensim库中，dm参数代表文档到向量模型（Doc2Vec）的选择的具体模型。在Doc2Vec模型中，不同的参数设置会产生不同的模型效果。其中，dm参数表示采用的是Skip-gram模型还是Doc2Vec模型，即是否利用文档中的词向量表示文档的内容或利用文档的内容来预测词向量。因此，选项D是正确的。89.以下关于计算机视觉的说法，哪一个选项是正确的?A、计算机视觉需要用到图像处理技术B、计算机视觉是利用计算机技术来理解并运用自然语言的学科C、计算机视觉就是让计算机去分析语言数据D、计算机视觉就是通过专家经验提供排障指导的学科答案：A解析：这道题考察的是对计算机视觉概念的理解。计算机视觉，作为一个学科领域，主要关注如何使计算机能够“看见”并理解图像和视频内容。这自然涉及到图像处理技术，用于分析、解释图像数据。A选项指出“计算机视觉需要用到图像处理技术”，这与计算机视觉的定义和应用相符合，是正确的。B选项描述的是自然语言处理，与计算机视觉不同，它关注的是理解和生成人类语言。C选项同样混淆了计算机视觉与自然语言处理的领域，计算机视觉处理的是图像和视频数据，而不是语言数据。D选项描述的是专家系统或基于知识的系统，它们利用专家经验来提供指导或解决问题，与计算机视觉不直接相关。综上所述，A选项正确描述了计算机视觉的一个核心方面，即需要使用图像处理技术。90.不属于语音声学特征的是?()A、时长B、语义C、频率D、振幅答案：B解析：声学语音学:研究怎样对语言的声音进行声学分析,比如声波的频率、时长、振幅等。重点是声学两个字91.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。92.以下关于朴素贝叶斯的说法中，哪一项是错误的?A、贝叶斯分类器应用于大型数据库具有较高的准确性和快速的速度B、朴素贝叶斯的“朴素"，指的是该方法需要假设各个特征之间是独立的C、朴素贝叶斯是一种简单的多分类算法D、朴素贝叶斯算法依赖于人工神经网格，因此使用起来非常复杂答案：D解析：朴素贝叶斯算法是一种基于贝叶斯定理的简单概率分类器，它假设特征之间相互独立。针对选项进行逐一分析：A项正确，朴素贝叶斯分类器因其简单高效，在处理大型数据库时通常表现出较高的准确性和速度。B项正确，“朴素”一词确实指的是朴素贝叶斯算法中特征之间相互独立的假设。C项正确，朴素贝叶斯是一种可以用于多分类问题的算法。D项错误，朴素贝叶斯算法并不依赖于人工神经网络，它是一种基于概率的简单模型，使用起来并不复杂。因此，D项是错误的。93.机器学习算法中，以下不属于集成学习策略的是?A、BoostingB、StackingC、BaggingD、Marking答案：D94.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95.在以下哪一个年份,Rosenblatt发明感知器(perceptron)算法?A、1969年B、1986年C、1950年D、1958年答案：D解析：这道题考察的是对人工智能领域历史发展的了解。感知器（perceptron）算法是人工智能领域的一个重要里程碑，由Rosenblatt发明。根据历史记录，这一发明发生在1958年，因此正确答案是D。这个算法对后来的神经网络和机器学习发展产生了深远影响。96.面对行业研究与全场景AI应用之间的巨大鸿沟，Mindspore跨越应用鸿沟助力普惠AI的技术创新不包括以下哪项?A、新协作方式B、新编程语言C、新编程范式D、新执行模式答案：B解析：这道题考察的是对MindSpore在普惠AI技术创新方面的理解。MindSpore作为一个全场景深度学习框架，旨在跨越行业研究与AI应用之间的鸿沟。它主要通过提供新的协作方式、编程范式和执行模式来实现这一目标，从而助力普惠AI的技术创新。而新编程语言并非其主要创新点。97.我们目前所实现的人工智能技术处于以下哪一个阶段?A、强人工智能B、单人工智能C、多维多元人工智能D、弱人工智能答案：D解析：这道题考察的是对人工智能技术发展阶段的理解。根据人工智能领域的知识，我们知道人工智能的发展通常被划分为弱人工智能和强人工智能两个阶段。弱人工智能指的是专注于并擅长于特定任务的人工智能，而强人工智能则能在各种任务上表现出与人类智能相当的能力。目前，我们所实现的人工智能技术主要集中在弱人工智能阶段，专注于特定任务的处理，尚未达到强人工智能的全面智能水平。因此，正确答案是D，即弱人工智能。98.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。99.以下关于达芬奇架构的描述,错误的是哪一选项?A、通过总线接口单元将数据搬到输入缓中区B、控制单元负责整个AICore的运行C、计算单元包含四种基础计算资源D、AICore的片上存储单元和相应的数据通路构成了存储系统答案：C解析：这道题考察的是对达芬奇架构的理解。达芬奇架构是一种AI计算架构，其中包含了总线接口单元、控制单元、计算单元以及存储系统等关键部分。A选项描述的是总线接口单元的功能，即将数据搬到输入缓冲区，这是正确的。B选项提到控制单元负责整个AICore的运行，这也符合达芬奇架构的设计。D选项描述的是AICore的片上存储单元和相应的数据通路构成了存储系统，这也是准确的。而C选项，计算单元在达芬奇架构中实际上包含了多种计算资源，但并非仅限于四种基础计算资源，因此C选项的描述是错误的。所以答案是C。100.以下哪一项对于每一个参数都用相同的学习率进行更新?A、dagradB、AdadeltaC、MomentumD、Adam答案：C解析：在优化算法中，Momentum算法通常会使用相同的更新率来更新每一个参数。101.以下关于输入缓冲区的描述，正确的是哪一个选项?A、降低总线上产生拥堵的风险。B、需要每次都通过总线接口到AICore的外部进行读取。C、可永久保留需要重复使用的数据D、用来存放神经网络中的初始量。答案：A解析：输入缓冲区的主要作用是降低总线上产生拥堵的风险。当一个系统或设备需要从另一个系统或设备获取输入数据时，如果直接通过总线进行传输，可能会引起总线拥堵。输入缓冲区可以暂时存储这些数据，等待总线空闲时再一次性传输。102.下列选项中不支持TensorFLow2.0进行维度变换的属性是。A、squeezeB、reshapeC、gatherD、transpose答案：C解析：在TensorFlow2.0中，维度变换通常指的是改变张量（Tensor）的形状或维度。我们来分析一下各个选项的功能：A.`squeeze`：这个操作用于移除张量中所有为1的维度。例如，如果一个张量的形状是[1,2,1,3]，使用`squeeze`后，其形状可能会变成[2,3]。这明显是一种维度变换。B.`reshape`：这个操作允许你改变张量的形状，但总的元素数量必须保持不变。103.以下哪一个选项不是HiQ量子计算云平台的亮点？A、无需编程即可完成计算任务B、简单易用C、功能丰富D、提供丰富的教程文档E、追求简单易用的用户体验（选项F、以及拥有多样化的功能以满足不同用户的需求（选项G、。而“无需编程即可完成计算任务”（选项H、虽然是一个理想化的特点，但在当前的量子计算云平台中，由于量子计算的复杂性和专业性，通常还是需要一定的编程知识来完成计算任务。因此，选项C不是HiQ量子计算云平台的亮点，是正确答案。答案：A104.L1和L2正则化是传统机器学习常用来减少泛化误差的方法，以下关于两者的说法正确的是:A、L1正则化可以做特征选择B、L1和L2正则化均可做特征选择C、L2正则化可以做特征选择D、L1和L2正则化均不可做特征选择答案：A解析：这道题考察的是对L1和L2正则化在机器学习中的作用的理解。L1正则化倾向于产生稀疏权重矩阵，即生成一个很多元素为0的权重矩阵，因此它可以用于特征选择。而L2正则化则是倾向于分散权重向量，使其元素值较为平均，不具备特征选择的能力。所以，选项A“L1正则化可以做特征选择”是正确的。105.图像预处理的滤波实验中,以下哪一个函数是调用OpenCV的中值模糊API?A、cv2.GaussianBlur(im,(5,5),0)B、cv2.blur(im,(3,3))C、v2.medianBlur(im,5)D、cv2.filter2D(im,-1,sharpen_1)答案：C解析：GaussianBlur()为高斯模糊,blur()为均值模糊,medianBlur()为中值模糊,filter2D()为卷积106.深度学习中的“深度"是指以下哪一方面？A、汁算机理解的深度B、中间网络层的层数多C、计算机对问题的处理更加灵活D、汁算机的求解更加精准答案：B解析：在深度学习中，“深度”主要指的是神经网络模型中中间网络层的数量众多。通过增加网络层的层数，可以提取更复杂和抽象的特征，从而提高模型的学习能力和表现效果。A选项计算机理解的深度并非准确的定义；C选项计算机处理更加灵活并非“深度”的本质含义；D选项计算机求解更加精准也不是“深度”所指的内容。所以，正确答案是B选项。107.以下哪一选项不是序列标注方法?A、CRFB、MEMMC、N-GramD、HMM答案：C解析：传统序列标注方法有HMM、MEMM、CRF;基于深度学习序列标注方法有RNN/LSTM、BiLSTM+CRF、BERT(见PPT第456页)108.ModelArts自动学习的使用流程是什么？A、数据标注->模型训练->部署上线B、部署上线->模型训练->数据标注C、数据标注->部署上线->模型训练D、模型训练->数据标注->部署上线答案：A解析：这道题考察的是对ModelArts自动学习使用流程的理解。在机器学习项目中，通常的流程是先进行数据标注，以便为模型训练提供准确的输入；接着进行模型训练，使用标注好的数据来训练模型；最后进行部署上线，将训练好的模型部署到实际的应用场景中。因此，正确的使用流程应该是数据标注->模型训练->部署上线，选项D正确。109.某厂家想要生产一批虚拟助理以供医院使用，而对于虚拟助理来说，声纹识别主要涉及到以下哪一项技术？A、语音识别和处理技术B、图像识别与处理技术C、专家系统与知识图谱技术D、图像生成与增强技术答案：A解析：这道题考察的是对虚拟助理技术领域的了解。声纹识别是虚拟助理在交互过程中识别用户声音特征的技术，它主要依赖于语音识别和处理技术。通过这项技术，虚拟助理能够解析和处理用户的语音输入，进而实现与用户的自然交互。因此，对于虚拟助理来说，声纹识别主要涉及到的是语音识别和处理技术。110.ModelArts支持的图片标注类型有哪些?A、图像分类B、物体检测C、图像分割D、以上都对答案：D解析：ModelArts支持图像任务标注包括:图像分类、物体检测、图像分割111.MoXing的自动超参搜索功能的作用是什么()A、提供手动调参的指导B、在参数空间中,自动搜索初最优的超参C、自动搜索初最优的学习率D、自动搜索初最优的Batch_size答案：B解析：在参数空间中,自动搜索初最优的超参112.查看Atlas300(3000)加速卡驱动是否安装成功应该使用哪条命令?-A、npusiminfoB、npuinfoC、Atlas-driverinfoD、Atlasinfo答案：A解析：为了检查Atlas300(3000)加速卡驱动是否安装成功，应该使用npusiminfo命令。这个命令可以提供有关加速卡及其驱动程序的信息，包括驱动程序的版本、状态等。其他选项B、C、D并不适用于检查加速卡驱动是否安装成功的情况。113.以下哪个选项不属于自然语言处理技术的三个层面()A、语音分析B、词法分析C、句法分析D、语义分析答案：A解析：语音分析是语音识别中的文本分析的工作114.在模型训练中，在哪一个阶段会对损失函数进行求导，获取梯度？A、正向计算B、反向传播C、模型优化D、网络构建答案：B解析：在模型训练过程中，对损失函数进行求导以获取梯度是模型优化和参数更新的关键步骤。这一步骤发生在∗∗反向传播∗∗阶段，而不是正向计算、模型优化或网络构建阶段。具体来说，在模型训练过程中，首先通过网络前向传播得到模型的输出，并使用损失函数计算预测值与真实值之间的差异（即损失）。随后，进入反向传播阶段，该阶段通过链式法则对损失函数进行求导，计算出损失函数相对于模型参数的梯度。这些梯度信息将用于指导模型参数的更新，以逐步降低损失函数的值，优化模型的性能。因此，正确答案是B，即反向传播阶段。115.以下哪个选项是华为Atlas系列芯片采用的架构?()A、冯·诺依曼B、高斯C、昇腾D、达芬奇答案：D解析：达芬奇架构,官方名字116.下列哪一项属于Mindspore的网络结构算子?A、mindspore.nn.DenseB、mindspore.layer.DenseC、mindspore.nn.FCD、mindspore.layer.FC答案：A解析：MindSpore是一种深度学习框架，其网络结构算子主要指的是用于构建神经网络的各种层和操作。在给定的选项中，我们需要找到属于MindSpore框架的网络结构算子。A选项`mindspore.nn.Dense`通常指的是全连接层（DenseLayer），这是神经网络中常用的一种层结构，属于MindSpore的网络结构算子。B选项`mindspore.layer.Dense`并不是MindSpore的标准API，可能是用户自定义的层或者与其他库相关的层。C和D选项涉及到的`FC`（FullyConnected）层，虽然也是神经网络中的常见层，但它们并不是MindSpore的直接API。因此，根据MindSpore的标准API和命名规范，正确答案是A、`mindspore.nn.Dense`。117.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118.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