2024-2025华为ICT大赛(实践赛)-昇腾Al赛道理论考试题库大全-下(多选、判断题)_第1页
2024-2025华为ICT大赛(实践赛)-昇腾Al赛道理论考试题库大全-下(多选、判断题)_第2页
2024-2025华为ICT大赛(实践赛)-昇腾Al赛道理论考试题库大全-下(多选、判断题)_第3页
2024-2025华为ICT大赛(实践赛)-昇腾Al赛道理论考试题库大全-下(多选、判断题)_第4页
2024-2025华为ICT大赛(实践赛)-昇腾Al赛道理论考试题库大全-下(多选、判断题)_第5页
已阅读5页,还剩245页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

PAGE2025华为ICT大赛(实践赛)-昇腾Al赛道理论考试题库大全-下(多选、判断题汇总)多选题1.文本分类常见的特征选择方法有()A、卡方检验B、互信息C、信息增益D、以上皆不是答案:ABC解析:见PPT438页2.ModelArts是面向AI开发者的一站式开发平台,“一站式”是指AI开发的各个环节,包括以下哪些选项?A、模型部署B、模型训练C、数据处理D、模型管理E、算法开发答案:ABCDE解析:ModelArts作为面向AI开发者的一站式开发平台,"一站式"意味着它涵盖了AI开发的各个环节。具体来看,这些环节包括模型部署(A),即把训练好的模型部署到实际运行环境中;模型训练(B),即利用算法和数据训练出模型;数据处理(C),即对原始数据进行清洗、转换等预处理工作;模型管理(D),即管理训练好的模型,包括版本控制、性能评估等;算法开发(E),即研究和开发新的算法。因此,所有选项A、B、C、D、E都是“一站式”开发平台所包含的内容,故答案为ABCDE。3.与ASIC芯片相比,以下哪些选项是FPGA芯片的特征?A、实现相同功能时,需要的芯片规模更大。B、相同工艺条件下,功耗更小。C、研发风险较低。D、运行时无需加载配置,可立即运行。答案:ACD解析:这道题考察的是FPGA芯片与ASIC芯片的特征对比。FPGA芯片在实现相同功能时,由于灵活性高,通常需要的芯片规模更大。研发风险较低,因为FPGA允许在硬件层面进行反复编程和测试。运行时需加载配置,与ASIC的固定功能不同。因此,A、C描述准确,D描述与FPGA特征相反。B选项描述与实际情况不符,FPGA功耗通常较高。4.华为Ascend系列芯片是面向哪些AI场景的?A、私有云B、边缘计算C、消费终端D、IoT行业终端E、公有云答案:ABCDE解析:“外界一直传说华为在研发AI芯片,今天我要告诉大家这是事实!”华为轮值董事长徐直军今日在2018华为全联接大会(HuaweiConnect2018)的开幕演讲中发布了全球首个覆盖全场景人工智能(AI)的昇腾(Ascend)系列IP和芯片,包括Ascend910和Ascend310两款。所谓"全场景",是指包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等部署环境,意味着华为有能力实现智能无所不及,构建万物互联的智能世界。5.华为的AI发展战略包括哪几个方面?A、打造全站方案B、解决方案增强C、内部效率提升D、投资开放生态和人才培养E、投资基础研究答案:ABCDE6.以下哪些选项属于CANN中昇腾计算基础层提供的服务?A、主机-设备通信B、共享虚拟内存C、高级内存复用D、设备虚拟化答案:ABD解析:CANN(中国人工智能可计算网络)中昇腾计算基础层提供了一系列服务,其中包括主机-设备通信(A正确)、共享虚拟内存(B正确)以及设备虚拟化(D正确)。至于C选项的高级内存复用,虽然在技术白皮书中有所提及,但在实际的服务列表中并未明确提供。因此,答案是ABD。7.为了将数字图像有效地转换为结构化数据,需要用到图像特征提取的技术降低数据的维度。以下哪些是图像特征提取和降低数据维度的主要思路?()A、分割感兴趣区域B、降采样C、特征描述子D、模式识别答案:ABC解析:图像特征提取的主要思路包括分割感兴趣区域、降采样和特征描述子。这些方法可以有效地从数字图像中提取出有意义的信息,降低数据的维度,从而方便后续的数据分析和处理。因此,ABC都是正确的选项。8.以下哪些是图像处理的形式?()A、单幅图像输入,进行处理,输出单幅图像B、多幅图像输入,进行处理,输出单幅图像C、单幅图像输入,进行处理,输出数字或符号等结构化信息D、多幅图像输入,进行处理,输出数字或符号等结构化信息答案:ABCD解析:图像处理通常涉及多幅图像的输入、处理,以及输出数字或符号等结构化信息。这种处理可以是单幅图像输入,经过处理后输出单幅图像,也可以是多幅图像输入,经过处理后输出单幅图像或者其他形式的处理结果。因此,ABD都是正确的。这个来源于试题集《新认证试题库》的题目,与前面的题目不是同一套试题。但是根据图像处理的一般流程和常见应用,可以得出以上。9.自然语言处理是目前比较火热的领域,但其工程过程中也会遇到很多问题和难点,其中命名实体识别有哪些难点?()A、嵌套情况复杂。B、长度不确定。C、命名实体的构成规律复杂。D、各类命名实体的数量众多。答案:ABCD解析:全选10.John需要完成图像分类任务,准备对训练后的模型进行评估,常用的评估指标包含以下哪些选项?A、准确率B、精确率C、召回率D、均方误差答案:ABC解析:在图像分类任务中,准确率衡量模型整体的正确分类比例;精确率关注预测为正例的样本中真正正例的比例;召回率关注实际正例被正确预测的比例。这三个指标对于评估模型在图像分类任务中的性能非常重要。而均方误差主要用于回归任务评估模型预测值与真实值的偏差,不适合图像分类任务的评估。所以答案选ABC。11.深度学习中以下哪些步骤是由模型自动完成的?A、模型训练B、特征选择C、分析定位任务D、特征提取答案:BD解析:这道题考察深度学习中的自动化步骤。在深度学习中,模型训练是通过算法自动调整模型参数以最小化损失函数的过程,显然是由模型自动完成的。特征提取也是自动进行的,模型能从原始数据中学习并提取有用的特征。而特征选择和分析定位任务通常需要人为干预和指导,不属于模型自动完成的范畴。12.以下关于语音信号特点的描述,正确的是哪些选项?A、短时范围一般认为在10-30msB、语音信号具有短时平稳性C、语音信号会随着时间的变化而变化,它是一种平稳态的时变信号D、短时分析技术贯穿于语音信号分析的全过程答案:ABD解析:语音信号特点(见PPT247页):1)语音信号会随着时间的变化而变化,它是一种非平稳态的时变信号。但是,由于人的发音受口腔肌肉的影响,语音信号在一个短时范围内相对稳定,可以看做是一个准稳态的过程,所以语音信号具有短时平稳性.2)短时分析技术贯穿于语音信号分析的全过程.3)语音由口腔肌肉运动而产生,肌肉的运动相较于语音的频率是非常缓慢的.4)短时范围一般认为在10-30ms.故C答案错误.13.以下哪些项是多层感知机(全连接结构)在处理图像时的弊端?A、多层感知机的输入形式会破坏图像像素的空间关系。B、多层感知机无法解决图像不变性的问题。C、人是通过图像的局部特征来理解图像,而多层感知机中每个神经元都处理整幅图像的像素点。D、计算机存储和处理图像的方式会使多层感知知机模型参数巨大。答案:ABCD解析:这道题考察多层感知机处理图像时的弊端。多层感知机将图像转换为一维向量,这会破坏像素间的空间关系,是其弊端之一。同时,它难以处理图像的不变性问题,如旋转、缩放等变换。而且,其神经元处理整幅图像的像素点,与人类通过局部特征理解图像的方式不符。另外,处理高维图像数据会导致模型参数巨大,增加计算和存储负担。14.以下哪些项可以应用在需要处理序列数据的场景中?A、LSTMB、CNNC、RNND、GRU答案:ACD解析:在处理序列数据的场景中,我们需要选择适合处理时间序列或序列文本的模型。A选项,CNN(卷积神经网络)主要用于图像识别等领域,它并不擅长处理序列数据,因为它是在空间上处理数据的。B选项,LSTM(长短期记忆网络)是RNN(循环神经网络)的一种特殊类型,非常适合处理和预测时间序列中的间隔和延迟相对较长的重要事件。C选项,RNN(循环神经网络)是专门用于处理序列数据的神经网络,它通过循环的方式处理序列中的每个元素。D选项,GRU(门控循环单元)也是RNN的一种,它同样适用于处理序列数据,并且在某些情况下比LSTM更简单且效果相当。因此,可以应用在需要处理序列数据的场景中的是B、C、D选项。15.在人工智能领域,三大主义学派包含以下哪些选项?A、行为主义B、连接主义C、符号主义D、机器主义答案:ABC解析:在人工智能领域,有三大主义学派,分别是符号主义、行为主义和连接主义。这些学派在人工智能的研究和应用中有着不同的理论和方法,但都为人工智能的发展做出了重要贡献。符号主义强调使用符号和逻辑进行推理和解决问题,他们认为人工智能的本质是符号操作和推理。行为主义则强调通过模拟人类的感知、运动和情感等行为来构建智能系统。连接主义则关注神经网络和计算模型,试图模拟人脑的工作方式。因此,为ABC。16.以下哪些MindSpore中模块的对应关系是正确的?()A、Mmon对应张量、权重、数据类型等接口B、Mindspore.dataset对应数据处理接口C、Mindspore.nn对应神经网络常用算子D、Mindspore.train对应训练相关接口答案:ABCD解析:在MindSpore框架中,各个模块有其特定的功能和接口。根据MindSpore的官方文档和API设计,我们可以确认:A选项正确,Mmon模块确实提供了张量、权重、数据类型等基础接口,这些是构建和操作神经网络的基本元素。B选项正确,Mindspore.dataset模块用于数据处理,提供了数据加载、预处理和增强的接口,方便用户对输入数据进行操作。C选项正确,Mindspore.nn模块包含了神经网络中常用的算子,如卷积、池化、激活函数等,这些算子是构建神经网络层的基础。D选项正确,Mindspore.train模块提供了训练神经网络所需的各种接口,包括优化器、损失函数以及训练过程中的各种操作和监控工具。因此,选项ABCD都是正确的。17.以下哪些是隐藏单元?()A、logisticsigmoid与双曲正切函数B、整流线性单元(RELU的另一种翻译方法)C、Borel单元D、maxout单元答案:ABCD解析:softmaxsoftplussigmoidtanhReLU线性修正单元整流线性单元maxoutBorel径向基函数18.HiAI是面向移动终端的AI能力开放平台,三层AI能力开放包括以下哪些?A、应用能力开放B、框架能力开放C、服务能力开放D、芯片能力开放答案:ACD解析:HiAI是面向移动终端的AI能力开放平台,它主要分为三个层次进行AI能力开放,分别是1.应用能力开放这一层主要开放与应用程序相关的AI能力,以方便第三方应用开发者利用这些能力进行应用创新。2.服务能力开放这一层主要开放能够提供服务的AI能力,比如语音识别、图像识别等,以方便第三方服务提供者使用。3.芯片能力开放这一层主要开放与芯片相关的AI能力,比如AI处理器的计算能力、内存管理等,以方便第三方芯片厂商使用。因此,选项A、C、D都是正确的。19.关于U-Net网络相关的描述中,错误的有哪几项?A、由于输入的训练数据是patches,相当于进行了数据下采样,所以在需要后接全连接网络来增强模型性能。B、U-Net网络用滑动窗口提供像素的周围区域(patch)作为输入来预测每个像素的类标签。C、U-Net属于强化学习。D、U-Net网络应用于生物医学图像处理领域,目标输出包括目标类别的位置,最终以矩形框圈出目标区域并给与标签。答案:ACD解析:这道题考察的是对U-Net网络的理解。U-Net是一种常用于生物医学图像分割的卷积神经网络,特点是能输出像素级的分类,而非矩形框。它使用滑动窗口处理输入,但无需后接全连接网络。U-Net属于深度学习,非强化学习。因此,A选项描述的目标输出方式错误;C选项提到的后接全连接网络不必要;D选项将U-Net归类于强化学习,也是错误的。B选项描述正确。20.以下哪些项可以作为深度学习的优化方法?A、梯度下降法B、最小二乘法C、牛顿法D、拟牛顿法答案:ACD解析:这道题考察深度学习优化方法。深度学习优化常用方法包括梯度下降法及其变种,拟牛顿法和牛顿法也是寻找最优解的算法。梯度下降法通过迭代减小误差,拟牛顿法和牛顿法则利用二阶导数信息加速收敛。而最小二乘法主要用于线性回归,不属于深度学习优化方法。21.语音合成方法有哪些?()A、共振峰合成器B、串联共振峰合成器C、并联共振峰合成器D、PSOLA方法答案:ABCD解析:语音合成是将文字信息转化为语音的技术。共振峰合成器是早期的语音合成方法之一。串联共振峰合成器和并联共振峰合成器则是在共振峰合成器基础上的改进和发展。PSOLA方法也是一种常用的语音合成技术。这几种方法都在语音合成领域有着不同的应用和特点。所以选项ABCD均正确。22.以下哪些项是Softsign激活函数相比于Sigmoid函数的优势?()A、输出关于0点对称B、没有梯度消失问题C、梯度饱和速度变缓D、导数最大值为1答案:ACD解析:这道题考查激活函数特性。Softsign相比Sigmoid的优势在于:Softsign梯度饱和速度更缓,能减缓梯度消失问题;其导数最大值接近1,有助于保持梯度稳定。选项A描述的是关于原点对称,并非Softsign相对于Sigmoid的优势,因为Sigmoid也是关于0.5点对称。B项表述过于绝对,Softsign虽能缓解梯度消失,但不能说完全没有。23.MindSpore支持以下哪些运行模式?A、动态图模式B、静态图模式C、动静结合,在静态图模式下,部分代码以动态图模式运行D、动静结合,在动态图模式下,部分代码以静态图模式运行答案:ABD解析:这道题考察的是对MindSpore运行模式的了解。MindSpore是一个全场景深度学习框架,它支持动态图模式和静态图模式。动态图模式适合模型调试和快速原型开发,静态图模式则利于模型优化和部署。它还支持动静结合,即在静态图模式下,允许部分代码以动态图模式运行,这提供了更大的灵活性。因此,A、B、D选项正确描述了MindSpore的运行模式。C选项描述不准确,因为动静结合主要是指在静态图模式下嵌入动态图模式,而非反过来。24.以下哪些选项属于华为云ModeArts提供的服务?A、自动学习B、PycharmSDKC、数据集自动标注D、多人数据标注答案:ABCD解析:华为云ModeArts是一个云服务平台,提供了多种服务,包括自动学习、PycharmSDK、数据集自动标注、多人数据标注等选项。这些服务可以帮助用户更高效地处理数据、开发应用和进行标注等任务。因此,ABCD都是正确的答案。25.华为的AI全场景包含有以下哪些选项?A、IoT行业终端B、边缘计算设备C、消费终端D、公有云答案:ABCD26.以下关于模型偏差和方差之间的组合,说法正确的有哪几项?A、一个好的模型,方差和偏差都要求比较低B、高偏差+低方差,可能造成欠拟合C、低偏差+高方差可能造成欠拟合D、高偏差+高方差模型可以视为不良模型答案:ABD解析:这道题考察的是模型偏差和方差的理解。偏差低意味着模型预测准确度高,方差低表示模型稳定。因此,好的模型需要偏差和方差都低。高偏差+低方差通常意味着模型过于简单,导致欠拟合。高偏差+高方差则表明模型既不准确也不稳定,是不良模型。低偏差+高方差实际上可能造成过拟合,而非欠拟合。所以A、B、D选项描述正确。27.AI相关硬件的发展趋势主要包括以下哪几项?A、单核计算密度减小。B、带宽提高,工艺提升,核数增加,多硅片封装。C、SIMD广泛应用,TensorCore处理规模变大。D、支持新数据类型,片内片间高速互联,支持虚拟化。答案:BCD解析:AI相关硬件的发展趋势主要包括带宽提高、工艺提升、核数增加、多硅片封装、SIMD广泛应用、TensorCore处理规模变大以及支持新数据类型、片内片间高速互联、支持虚拟化等。这些趋势是为了满足人工智能算法对计算能力、数据传输和处理的需求,以及适应未来数据和模型规模的增长。因此,为BCD。28.分词是自然语言处理中的基本步骤,常见的分词方法有哪些?()A、基于规则的分词B、基于统计的分词C、基于深度学习的分词D、基于规则于基于统计相结合的混合分词答案:ABCD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。统计分词:将分词作为字在字符串中的序列标注任务来实现。每个字在构造一个特定词语时都占据着一个确定的构词位置,如果相连的字在不同的文本中出现的次数越多,就证明着相连的字可能就是一个词。深度学习:使用Word2vec对语料对词进行嵌入,得到词嵌入后,用词嵌入特征输入给双向LSTM,对输出的银层加一个线性层,然后加一个CRF得到最终实现的模型。混合分词:基于一种分词算法,然后再用其他分词算法加以辅助29.以下哪些方法可以减少过拟合的问题?A、添加L1或L2正则惩训项B、提前停止训练C、使用Dropout方法随机丢弃一部分输入D、扩充数据集,引入噪声答案:ABCD解析:这道题考察的是减少过拟合问题的方法。过拟合发生时,模型在训练数据上表现很好,但在新数据上表现差。添加L1或L2正则惩训项,能让模型参数更小,避免过拟合。提前停止训练,防止模型在训练数据上学习过多细节。使用Dropout方法,随机丢弃一部分输入,能增加模型泛化能力。扩充数据集,引入噪声,能让模型学习到更多样化的数据,减少过拟合风险。30.以下属于决策树主要构建步骤的是哪些选项?A、构建子学习器B、特征选择C、决策树生成D、剪枝答案:BCD解析:决策树的主要构建步骤包括特征选择、构建子学习器、决策树生成和剪枝。这些步骤都是为了优化决策树的性能,提高预测精度和泛化能力。其中,特征选择是决策树构建的第一步,用于选择最有用的特征进行进一步的分析和预测。构建子学习器是决策树生成的基础,需要基于特征选择的结果来构建子学习器。剪枝则是为了防止过拟合,对决策树进行优化和调整,使其更加简单、有效。因此,选项BCD都是正确的答案。31.以下关于哪些结构属于LSTM?A、输出门B、遗忘门C、记忆门D、输入门答案:ABD解析:这道题考察的是LSTM(长短期记忆网络)的结构知识。LSTM包含三个主要结构:输入门、遗忘门和输出门。输入门决定哪些新信息被加入到细胞状态中,遗忘门决定从细胞状态中丢弃哪些信息,输出门决定细胞状态的哪些部分将被输出。因此,A、B、D选项正确描述了LSTM的结构,而C选项“记忆门”并非LSTM的标准组成部分。32.异腾AI处理器主要的硬件架构包括以下哪些选项?A、I计算擎B、多层级的片上系统缓存或缓冲区C、芯片系统控制CPUD、数字视觉预处理模块答案:ABCD解析:这道题考察异腾AI处理器的硬件架构知识。异腾AI处理器架构包含AI计算擎,用于加速AI计算任务;多层级的片上系统缓存或缓冲区,提高数据处理效率;芯片系统控制CPU,负责整体调度和管理;数字视觉预处理模块,处理图像数据。这些共同构成了异腾AI处理器的主要硬件架构。33.知识图谱可以应用到以下哪些场景中?A、智能间答机器人B、电影推荐C、量子计算D、搜索引擎答案:ABD解析:知识图谱是一种数据模型,能够通过图结构展示知识库中不同概念及其之间的关联,广泛应用于各个领域。对于教育机器人来说,它可以更加精准地理解和回答用户的问题。同时,在搜索引擎、电影推荐、自动驾驶等领域,知识图谱也能发挥重要作用。因此,选项A和D都是正确的答案。34.Dropout层的主要作用是?()A、提取特征B、防止过拟合C、增强泛化能力D、降维答案:BC解析:Dropout丢弃层,我们在前向传播的时候,让某个神经元的激活值以一定的概率p停止工作,这样可以使模型泛化性更强防止过拟合35.只有更完善的基础数据服务产业,才是AI技术能更好发展的基石。关于数据,下列哪些选项是正确的?A、更安全的数据共享是AI技术更好发展的基石之一。B、消除数据壁垒对AI技术发展很重要。C、消除数据孤岛现象对AI技术拓展很重要。D、数据质量对AI的发展没那么重要,保证数据量庞大就够了。答案:ABC解析:为了促进AI技术的发展,需要完善的基础数据服务产业,包括更安全的数据共享和消除数据孤岛现象等。同时,数据的质量和数量同样重要,但数据的质量也是基石之一,因为错误的数据可能导致AI模型的错误预测和决策。36.以下哪些选项属于通用量子算法?A、∗算法B、Shor算法C、HHL算法D、Grover算法答案:BCD解析:通用量子算法是指适用于不同量子计算任务和问题的算法,可以在不同的量子计算机上运行。常见的通用量子算法包括Shor算法、HHL算法和Grover算法。因此,选项BCD属于通用量子算法。题目中的工艺用空气压力一般要控制在选项A≥0.4MPa,这是一个特定场景下的压力控制要求,不属于通用量子算法的范畴。37.对扫描的文档做字符识别时,由于扫描件没有摆放好,造成文字有角度倾斜,造成识别困难,可以使用下面的哪些技术手段进行校正?()A、旋转变换B、仿射变换C、灰度变换D、透视变换答案:ABD解析:如果为单选,则选透视变换。如果是多选则选ABD。答案C属于色彩变换38.MoXing框架包含以下哪些功能()(待核实)A、超参自动搜索B、API易用性封装C、batch_size自适应D、分布式训练加速答案:BD解析:TensorFlow等深度学习引撃的分布式训练加速框架、API接口的封装和加速39.使用深度神经网络结构处理语音识别的优点有哪些?()A、不需要标注样本B、可以处理更长的序列信号C、不需要语音信号特征提取(该答案待确定)D、可以end-to-end实现任务答案:BD解析:可以处理更长的序列信号;可以end-to-end实现任务。end-to-end即端到端学习,同一个模型输入、输出40.ModelArts支持的硬件有()A、CPUB、GPUC、华为自研昇腾AI芯片D、以上皆是答案:ABCD解析:在人工智能领域,硬件是进行深度学习和模型训练的重要基础。ModelArts作为华为云提供的AI开发平台,通常支持多种硬件来满足不同场景下用户的需求。A选项中的CPU(中央处理器)是一种通用计算设备,在许多应用中被用于推理和训练任务。B选项中的GPU(图形处理器)由于其并行计算能力,被广泛使用于深度学习任务,加速了训练过程。C选项中的华为自研昇腾AI芯片则是华为AI芯片所特有的高性能硬件设备,更适用于某些特定场景下的深度学习计算要求。综上所述,ModelArts支持的硬件包括CPU、GPU和华为自研昇腾AI芯片,因此正确答案为选项ABCD。41.在机器学习训练中,以下哪些选项是正确的?A、真实的数据需要进行数据清理与特征工程。B、如果出现过拟合,可以使用更加复杂的模型。C、如果出现欠拟合,可以使用更加复杂的模型D、当训练完成之后,我们需要使用测试集进行测试,确保模型的泛化能力。答案:AD解析:B选项正确,在机器学习中,训练完成后使用测试集来评估模型在新数据上的表现,以检测模型的泛化能力,这是常见且必要的步骤。D选项正确,真实数据往往存在噪声、缺失值等问题,进行数据清理和特征工程能够提高数据质量和模型性能。A选项错误,出现过拟合应采取正则化、减少特征数量等措施,而不是使用更复杂的模型。C选项错误,出现欠拟合通常需要增加模型的复杂度、增加训练轮数等,而不是直接使用更复杂的模型。综上,正确答案是BD。42.以不选项中哪些是自然语言处理的应用?A、舆情分析B、文本分类C、自动文摘D、问答系统E、风格迁移答案:ABCD解析:自然语言处理的应用包括但不限于舆情分析、文本分类、自动文摘、问答系统等。43.以下哪几项属于常用的神经网络优化算法?A、随机梯度下降法B、小批量梯度下降法C、动量法D、遗传算法答案:ABC解析:神经网络优化算法主要用于最小化损失函数,以提高模型的性能。A选项随机梯度下降法,B选项小批量梯度下降法,C选项动量法,都是常用的神经网络优化算法。它们通过不同的方式来调整模型的权重,以加速训练过程并可能找到更好的局部最小值。D选项遗传算法虽然是一种优化算法,但它并不属于神经网络优化算法的常用范畴,而是更多地应用于遗传学和进化计算领域。因此,正确答案是ABC。44.Word2vec的训练需要进行的是以下哪几项步骤?A、模型参数的更新B、使用反向传播方法C、构建共现矩阵D、计算损失函数答案:ABD解析:Word2Vec训练主要步骤涉及模型的学习和优化。首先,模型参数的更新是训练过程中的核心,它根据学习规则调整参数以最小化误差。其次,使用反向传播方法计算梯度,指导参数更新的方向。计算损失函数也是关键步骤,它评估当前模型输出的误差,指导训练过程。而构建共现矩阵是Word2Vec的预处理步骤,不属于训练过程本身,因此不选C。45.在深度学习中,以下哪些是常用的正则项?A、L1B、TanhC、ReluD、L2答案:AD解析:在深度学习中,正则项用于控制模型的复杂度,以防止过拟合。L1正则项(也称为L1范数)和L2正则项(也称为L2范数或权重衰减)是两种常用的正则化方法,它们通过对模型参数的绝对值或平方值进行惩罚来实现正则化。因此,选项A和D是正确的。而选项B的Tanh和选项C的ReLU都是激活函数,用于决定一个节点(神经元)是否应该被激活,即是否对某个输入信号产生响应,它们并不是正则项。所以,正确答案是AD。46.图像数字化包括的处理过程有哪些?()A、二值化B、量化C、灰度变换D、采样答案:BD解析:数字化过程包括量化、采样47.某公司现在使用MindSpore框架来训练自己的Al模型,现在机房需要扩容,采购硬件用于加速模型训练,以下哪些硬件是他们可以采购的?A、tlas300T训练卡B、英伟达V100显卡C、Lntel至强系列CPUD、Atlas500智能小站答案:ABC48.以下关于机器学习算法与传统基于规则方法的区别中正确的是?A、传统的基于规则的方法,其中的规律可以人工显性的明确出来B、传统基于规则的方法使用显性编程来解决问题C、机器学习中模型的映射关系是自动学习的D、机器学习所中模型的映射关系必须是隐性的答案:ABC解析:这道题考察机器学习算法与传统规则方法的差异。传统基于规则的方法,规律可以人工明确,采用显性编程。而机器学习模型的映射关系是自动学习的,可以是显性或隐性。因此,A、B描述了传统方法的特性,C描述了机器学习的特性,均正确。D错误,因为机器学习模型的映射关系并非必须是隐性的。49.以下哪些算法可以应用于文本分类?()A、朴素贝叶斯B、SVMC、TextCNND、线性回归答案:ABC解析:基于传统的文本分类方法有朴素贝叶斯、逻辑回归、SVM、决策树等,基于深度学习的方法有TextCNN、TextRNN、BERT等(见PPT第432页)50.华为云EI目前支持哪些格式的图像识别?A、GIFB、PNGC、BMPD、JPG答案:BCD解析:华为云图像识别服务支持的图像包括:PNG、JPEG、BMP格式.其它限制:图像各边的像素大小在15px至4096px之间;图片base64编码后大小不超过10MB(原图像大小不超过7.5MB);默认API调用最大并发为10,更高并发需要,请提交工单联系专业工程师申请.51.文字识别技术可应用于以下哪些场景()A、姿态识别(一般指人体姿态)B、发票识别C、身份证识别D、表情识别(人脸识别)答案:BC解析:文字识别技术又称OCR(光学字符识别)姿态识别主要指人体姿态识别表情识别属于人脸识别的范围52.以下哪些选项是GAN的应用?()A、数据增强B、图像转换C、照片修复D、提高照片分辨率答案:ABCD解析:数据增强∶即增加训练数据样本。防止过拟合最有效的方法是增加训练样本,足够多的数据可以让模型看见尽可能多的例外情况并不断修正自己,从而效果更好。数据增强是一个省时有效的方法,在不同领域有不同的实现方法:在目标识别领域常用的方法是将图片进行旋转、平移、缩放等(图片变换的前提是通过变换不能改变图片所属类别,例如手写数字识别,类别6和9进行旋转后容易改变类目)。语音识别中对输入数据添加随机噪声。NLP中常用思路是进行近义词替换。53.命名实体识别是指识别文本中具有特定意义的实体,主要包括哪些?A、人名B、地名C、机构名D、时间答案:ABCD解析:命名实体识别(NamedEntityRecognition,NER)是自然语言处理中的一个重要任务,它旨在从文本中识别出具有特定意义的实体。这些实体通常包括人名(A)、地名(B)、机构名(C)以及时间(D)等。这些实体在文本中扮演着关键角色,为文本理解和信息抽取提供了重要基础。因此,ABCD都是命名实体识别所包括的内容,答案为ABCD。54.以下哪些选项是常见的数据预处理方法?A、零均值化B、主成分分析C、数据漂移D、白化答案:ABD解析:数据预处理是数据处理的重要步骤,常见的预处理方法包括零均值化、归一化、数据清洗、特征选择、主成分分析(PCA)、数据漂移检测和白化等。其中,零均值化用于将数据集中的所有数值变量转换为具有平均值为0的标准变量,以消除数据中的偏态和波动;归一化则是将数据集中的数值变量缩放到一个特定的范围,以提高算法的效率和准确性;数据漂移通常是由于数据集不均衡引起的,需要检测并进行纠正;而白化则用于消除非平稳和非线性的特征影响,将非数值变量转化为数值型数据,方便进一步的处理和分析。因此,ABD是常见的数据预处理方法。55.以下哪些任务属于序列标注任务?A、中文分词B、语义槽填充C、命名实体识别D、意图识别答案:ABC解析:序列标注任务是对序列中的每个元素进行标注。中文分词是将句子分解为词序列,每个词对应一个标注,属于序列标注。语义槽填充是给句子中的每个词分配一个语义角色标签,也符合序列标注的定义。命名实体识别是识别文本中的实体并将其分类,同样是对序列中的元素进行标注。而意图识别是判断整个句子的意图,属于句子级别的分类任务,不属于序列标注。56.以下关于语言模型的描述,错误的是哪些项?A、N-Gram窗口越大,越不容易出现稀疏的问题。B、N-Gram简单易用,对存储资源的需求较大。C、RNN语言模型比n-gram能处理更长的上下文,而且没有稀疏的问题。D、固定窗口神经网络语言模型想要更好的性能,就要减小窗口,窗口越小,参数量越大。答案:AD解析:这道题考察语言模型的特点。RNN语言模型确实能处理更长上下文,但也可能面临梯度消失或爆炸的问题,说它没有稀疏问题不完全准确,所以A描述有误但不是本题答案。N-Gram模型窗口增大,稀疏问题通常会加剧,因为需要更多的连续词共现,所以B描述错误。C描述正确,N-Gram模型简单易用,但随着n的增大,模型大小和存储需求也会增大。D描述错误,固定窗口神经网络语言模型性能通常与窗口大小正相关,窗口越大,能捕获的上下文信息越多,但参数量也会相应增大,不是减小窗口。所以,B和D是错误描述。57.以下关于Relu激活函数缺点的描述,正确的是哪些项?A、有神经元死亡的现急B、转折点定义的曲面也是有“棱角”的,在某些回归问题中,显得不够平滑C、在0处不可导,强行定义了导数D、无上界,训炼相对发散答案:ABCD解析:ReLU激活函数虽然因其简单和计算高效而广泛使用,但它也存在一些缺点。选项A提到的“神经元死亡”现象,指的是当ReLU输入为负时,输出为零,导致该神经元在反向传播中不再更新,即“死亡”。选项B指出ReLU在转折点(0点)处定义的曲面有“棱角”,这在某些需要平滑输出的回归问题中可能是一个缺点。选项C提到ReLU在0处不可导,虽然在实践中通常为其定义一个导数(如0或1),但这确实是一个数学上的不连续点。选项D指出ReLU无上界,可能导致训练过程中激活值无限制地增长,从而使训练变得相对发散。因此,所有选项A、B、C、D都是关于ReLU激活函数缺点的正确描述。58.以下关于线性回归的描述中,哪些选项是错误的?A、多元线性回归分析出来的一定是高维空间中的一条直线。B、由于算法复杂度,线性回归无法使用梯度下降的方法求出当损失函数达到最小的时候的权重参数C、根据正态分布函数与最大似然估计,可以求出线性回归的损失函数D、线性回归中误差受到众多因素独立影响,根据中心极限定律误差服从正态分布答案:ABC解析:这道题考察线性回归相关知识。多元线性回归在高维空间中是一个平面或超平面,不是直线,A错误。线性回归的损失函数是凸函数,可以使用梯度下降法求解,B错误。线性回归的损失函数是基于最小二乘法的,不是通过正态分布函数与最大似然估计求出,C错误。线性回归误差项通常假设服从正态分布,这是基于中心极限定律,D正确。59.以下属于LDA训练过程的是?()A、初始化B、吉布斯采样C、生成语句D、生成主题答案:AB解析:见PPT435页60.像素常用的连通方式有哪些?A、8连通B、16连通C、12连通D、4连通答案:AD解析:连通域分为4联通、8联通61.下面哪些是训练模型时会定义的超参数?A、训练轮次(epoch)B、批次大小(batchsize)C、学习率(learningrate)D、损失值(loss)答案:ABC解析:HCIA-AIV3.5_华为职业认证_AI人工智能工程师_模拟考试第22题(原题)62.图像预处理的主要流程包括A、灰度变换B、几何校正C、图像增强D、图像滤波答案:ABCD解析:图像预处理是为了改善图像质量、便于后续处理与分析。灰度变换可以调整图像的灰度分布,增强对比度等。几何校正用于纠正图像的几何失真。图像增强能够突出图像中的有用信息,抑制无用信息。图像滤波则可以去除图像中的噪声,平滑或锐化图像。综上所述,ABCD选项均是图像预处理的主要流程。63.以下哪些项是神经网络在感知机的基础上做的改进?A、引入了损失函数。B、输出层的神经元也可以不止一个,可以有多个输出C、加入隐藏层,隐藏层可以有多层,增强模型的表达能力。D、对激活函数做扩展,包括Sigmoid函数、Softmax和ReLU等。答案:ABCD解析:这道题考查神经网络相较于感知机所做的改进。感知机是一个简单的线性二分类模型,而神经网络在其基础上进行了多项改进:加入隐藏层,能增强模型的表达能力;扩展了激活函数,使得模型可以处理非线性问题;输出层神经元数量不再限制为一个,实现了多输出;引入了损失函数来指导模型训练。这些改进使得神经网络的应用更加广泛和强大。64.处理实际问题时,以下什么情况下该使用机器学习?A、规则十分复杂或者无法描述比如人脸识别和语音识别B、任务的规会随时间改变,比如生产线上的瑕疵检测比如预测商品销售的趋势C、数据分布本身随时间变化,需要程序不停的重新适应D、规则复杂程度低且问题的规模较小的问题答案:ABC解析:机器学习适用于处理复杂或难以明确描述的规则问题,如人脸识别和语音识别,这类问题规则复杂,难以用传统编程方法解决。同时,当任务规则随时间改变,如瑕疵检测或销售趋势预测,机器学习能自动适应新规则。数据分布变化时,机器学习也能重新适应。但对于规则简单、问题规模小的情况,传统编程方法更合适,无需机器学习。65.文本向量化方法有?()A、word2vecB、Doc2vecC、str2vecD、vec2vec答案:ABC解析:参照PPT,没有vec2vec66.John使用AscendCL/AscendComputingLanguage开发了一个昇腾推理应用,使用了TensorFlow的摸型,后来发现推理效果不好,然后使用MindSpore框架重新训练了一个模型,现需要修改工程文件代码,以下哪些说法是正确的?A、模型执行推理的代码可以不改。B、模型加载的代码可以不改。C、使用MindSpore训练的模型无需使用ATC(AscendTensorCompiler)工具进行转换。D、AIPP的设置可以保留。答案:ABD解析:由于AscendCL/AscendComputingLanguage是基于TensorFlow的昇腾推理应用,因此推理代码本身不需要修改。模型加载的代码也不需要改动,因为两种框架的数据结构兼容。由于MindSpore与TensorFlow具有较好的兼容性,所以无需使用ATC(AscendTensorCompiler)工具进行转换。此外,对于AIPP的设置可以保留的说法也是正确的,因为这涉及到优化配置和参数设置,通常不需要修改。因此,正确是ABD。67.当使用机器学习建立模型的过程中,以下哪些属于必备的操作?A、模型构建B、数据获取C、特征选择D、超参数调节答案:ABCD解析:这道题考察的是机器学习建模的必备操作。建模首要步骤是数据获取,它是机器学习的基础。接着进行特征选择,即从数据中挑选出对模型预测最有用的特征。模型构建是将算法应用于选定的特征上,创建出预测模型。最后,超参数调节是优化模型性能的关键步骤,确保模型能达到最佳效果。68.以下属于数据预处理的是哪些选项?A、数据降维B、数据清理C、模型训练D、数据标准化答案:ABD解析:这道题考察的是对数据预处理步骤的理解。数据预处理是机器学习项目中的关键步骤,包括数据清理以去除或修正错误数据,数据标准化以统一数据格式,以及数据降维以减少计算复杂度和避免过拟合。模型训练是预处理后的步骤,不属于预处理范畴。因此,选项B、C、D均属于数据预处理步骤。69.哪些目录是ME模块组件包含的?A、trainB、cmakeC、model_zooD、nn答案:AD解析:这道题考察的是对ME模块组件目录的了解。ME模块主要包含用于模型训练的“train”目录和用于定义神经网络的“nn”目录。这两个目录是ME模块的核心组成部分,直接关联到模型的训练和网络的构建。而“cmake”通常与项目构建相关,“model_zoo”则指模型库,它们并非ME模块特有的目录,因此不包含在ME模块组件内。70.关于人脸搜索服务,下列哪些说法是正确的?A、没有人脸集时,需要先创建人脸集,再添加人脸数据,然后才能进行搜索B、一个人脸集的大小不能超过10000张图片C、有专门的接口可以删除指定人脸集D、有专门的接口可以删除某个人脸集中的人脸数据答案:ACD解析:人脸搜索服务通常涉及人脸集的管理和搜索功能。没有人脸集,自然需要先创建,再添加数据以进行搜索,这是基本操作流程。同时,为了数据管理和隐私保护,通常会提供删除人脸集或其中特定人脸数据的接口。而关于人脸集的图片数量限制,并非人脸搜索服务的核心特性,具体数量可能因服务提供商而异,因此不选B。71.以下哪些是激活函数设计的考虑因素()A、非线性B、连续可微性C、有界性D、单调性E、平滑性答案:ABCDE解析:在设计激活函数时,需要考虑多个因素,包括但不限于非线性、连续可微性、有界性、单调性、平滑性和对称性等。这些因素都是为了确保激活函数能够有效地提升神经网络的性能和表现。72.MFCC提取过程中的步骤包含以下哪些?A、加窗B、分帧C、傅里叶变换D、倒谱分析答案:ABCD解析:MFCC提取是语音信号处理中的一个常见步骤,主要用于语音识别、语音合成等领域。其基本过程包括加窗、分帧、傅里叶变换以及倒谱分析等步骤。因此,ABCD都是MFCC提取过程中的步骤。73.以下关于词袋模型和TF-IDF的描述,正确的是哪些选项?A、词袋模型无法区分常用词和专有名词对文本的重要性B、词袋模型和TF-IDF都忽略了词的位置信息C、词袋向量化或TF-IDF向量化后的特征通常都有高维稀疏的问题D、TF-IDF无法区分常用词和专有名词对文本的重要性答案:ABC74.ModelArts目前有支持哪几种预置模型?A、基因测序B、物体检测C、图像分类D、图像分割答案:BCD解析:ModelArts是华为云提供的人工智能平台,它支持多种预置模型,包括图像分类、物体检测和图像分割等。因此,为BCD。75.BPTT得步骤包括以下哪些信息?A、计算神经元的层数B、前向计算每个神经元的输出值C、反向计算每个神经元的误差值D、计算每个权重的梯度答案:BCD解析:BPTT(BackpropagationTraining)是一种神经网络训练方法,用于通过反向传播算法优化神经网络的权重和偏差。其步骤包括1.计算神经元的层数,确定网络的拓扑结构。2.前向计算每个神经元的输出值,即根据输入数据和权重计算神经元的输出结果。3.反向计算每个神经元的误差值,即根据损失函数和输出结果,计算误差在神经元之间的传播和调整。4.计算每个权重的梯度,根据误差传播的结果,对每个权重进行更新。76.以下属于序列标注任务的是()A、情感分析B、中文分词C、实体识别D、词性标注答案:BCD解析:情感分析是属于文本分类问题,不属于序列标注任务。其它都是77.快应用的云测试的主要测试内容有哪些?A、遍历UI测试B、机型测试C、JavaScript异常D、功能逻辑测试答案:ABC解析:快应用的云测试主要测试内容包括遍历UI测试、机型测试以及JavaScript异常测试。这是因为快应用主要依赖于云端运行,因此对用户界面(UI)的测试至关重要;同时,由于不同机型可能存在差异,因此机型测试也是必不可少的;而JavaScript异常测试则是针对快应用中可能出现的JavaScript运行错误进行测试。因此,为ABC。78.ModelArts是面向AI开发者的一站式开发平台,“一站式”是指AI开发的各个环节,包括以下哪些选项?A、模型部署B、模型训练C、数据处理D、模型管理E、算法开发答案:ABCDE解析:ModelArts作为面向AI开发者的一站式开发平台,"一站式"意味着它涵盖了AI开发的各个环节。具体来看,这些环节包括模型部署(A),即把训练好的模型部署到实际运行环境中;模型训练(B),即利用算法和数据训练出模型;数据处理(C),即对原始数据进行清洗、转换等预处理工作;模型管理(D),即管理训练好的模型,包括版本控制、性能评估等;算法开发(E),即研究和开发新的算法。因此,所有选项A、B、C、D、E都是“一站式”开发平台所包含的内容,故答案为ABCDE。79.John是一名AI工程师,第一次接触昇腾相关的产品,在查看介绍时发现AscendCL/AscendComputingLanguage具备模型加载能力,他认为只要把训练好的任意格式的模型提供给AcendCL即可,AscendCL会自动识别模型框架并完成模型加载,关于他的理解,说法是错误的是以下哪些选项?A、scendCL具备模型直接加载能力,不需要借助其他工具。B、AscendCL具备自动识别模型框架的能力,但是需要使用ATC(AscendTensorCompiler)对模型进行转换。C、AscendCL可以直接加载模型,但是需要ATC(AscendTensorCompiler)工具先把模型转换为OM模型。D、AscendCL可以直接加载MindSpore训练出的模型,其他框架的模型需要由ATC(AscendTensorCompiler)工具进行转换,然后由GE(GraphEngine)层加载。答案:ABCD解析:对于这个问题的,首先要明确AscendCL是一种针对Ascend框架的计算平台,其支持自动识别并加载模型,而模型的转换是使用ATC(AscendTensorCompiler)进行的。也就是说,选项A和B的说法都是错误的。此外,虽然AscendCL可以直接加载MindSpore训练出的模型,但是对于其他框架的模型,仍需要使用ATC(AscendTensorCompiler)进行转换后,再由GE(GraphEngine)层加载。因此,选项C和D也是错误的。所以,正确的是ABCD。80.CCE算子库包含以下哪些类型的算子?A、矩阵乘B、控制类C、Vector类D、卷积类答案:ABCD解析:这道题考查对CCE算子库的了解。CCE算子库是一个广泛使用的计算库,它包括了多种类型的算子,用于执行不同的计算任务。矩阵乘是基本的数学运算,控制类算子用于流程控制,Vector类算子处理向量数据,卷积类算子常用于图像处理等领域。这些都属于CCE算子库中的算子类型。81.华为MDC可以应用在以下那些场景中?A、港口货运汽车B、航天飞行器C、智能医疗器械D、私人出行汽车答案:AD解析:华为MDC是一款智能驾驶计算平台,可以应用于各种场景,根据题目的描述,可以应用于港口货运汽车、航天飞行器、私人出行汽车等场景。因此,答案是ABD。82.以下哪些项属于循环神经网络中多对—的类型?A、音乐生成B、动作识别C、机器翻译D、情感分析答案:BD解析:在循环神经网络(RNN)的应用中,"多对一"指的是多个输入对应一个输出。对于提供的选项:A.音乐生成通常是“一对多”的任务,即给定一个初始音符或旋律,生成一系列的音符或旋律。B.动作识别是“多对一”的任务,它将一系列的动作帧作为输入,输出一个动作标签。C.机器翻译也可以是“多对一”的任务,尤其是在将一句话(多个词)翻译成单个词或短语时。但更常见的是“多对多”,即将一句话翻译成另一句话。在此题的上下文中,我们可以考虑其简化的形式,即输出为单个主要意思或词汇。D.情感分析通常是“多对一”的任务,将一段文本或句子作为输入,输出一个情感标签。但考虑到某些情感分析可能输出多个标签或维度,这里可能存在争议。然而,按照最简化的形式,它也可以被视为“多对一”。考虑到题目的具体要求和最常见的应用场景,动作识别和机器翻译在更严格的“多对一”定义下更为贴切,因此答案选择B和C。83.发音器官包括哪些()A、喉中B、喉上C、喉头D、喉下答案:BCD解析:发音器官分喉下、喉头、喉上三个部分。喉下部分是由气管到肺。从肺呼出的气流成为语音的声援。喉头部是声门和声带。声带是两条韧带,起着喉的阀门作用,它的闭拢和打开成为声门。喉上部分包括咽腔,口腔和鼻腔三个区域84.关于sigmoid函数说法正确的是()A、Sigmoid函数单调连续,求导容易,输出有界,网络比较容易收敛B、在网络非常深的时候,梯度的模越来越小C、一般来说,Sigmoid网络在5层之内,就会产生梯度退化为0的现象,难以训练。这种现象称为梯度消失现象D、Sigmoid的输出并是以0为中心的答案:ABC解析:Sigmoid函数因其单调连续、易求导、输出有界的特点,使得网络较容易收敛。但在深层网络中,其梯度模会逐渐减小,导致梯度消失问题,一般在5层内就可能发生,使得网络难以训练。而Sigmoid函数的输出值域为(0,1),并非以0为中心。85.下列关于护照识别服务的说法正确的是?A、country_code代表护照签发国家的国家码B、nationality代表持有人国籍C、passport_number代表护照号码D、confidence相关字段的置信度信息,置信度越大,表示本次识别的对应字段的可靠性越高,在统计意义上,置信度越大,准确率越高答案:ABCD解析:护照识别服务涉及解析护照信息。其中,country_code确指护照签发国的国家码,nationality代表持有者的国籍,passport_number是护照的唯一标识号码。置信度信息反映识别可靠性,置信度越高,识别准确率在统计上越高,表明对应字段的识别结果更可信。86.下列选项中,关于AK/SK说法正确的是?A、通过API网关向下层服务发送请求时,必须使用AK、SK对请求进行签名B、访问密钥ID和私有访问密钥一起使用,对请求进行加密签名C、AK:访问密钥ID。与私有访问密钥关联的唯一标识D、SK:与访问密钥ID结合使用的密钥,对请求进行加密签名、可标识发送方,并防止请求被修改答案:ABCD解析:AK/SK(访问密钥ID和私有访问密钥)是身份验证的重要凭据,在API请求中扮演着关键角色。A选项正确,通过API网关向下层服务发送请求时,确实需要使用AK、SK对请求进行签名,这是为了验证请求的合法性和完整性。B选项正确,访问密钥ID和私有访问密钥是成对使用的,它们共同对请求进行加密签名,确保请求的安全性。C选项正确,AK即访问密钥ID,是与私有访问密钥关联的唯一标识,用于标识请求的发送方。D选项正确,SK即私有访问密钥,与访问密钥ID结合使用,对请求进行加密签名。它不仅可以标识发送方,还可以防止请求在传输过程中被篡改。综上所述,ABCD四个选项均正确。87.将图像降维的方法主要有?A、降采样B、分割感兴趣区域C、特征描述子D、去噪答案:ABC解析:降采样,主要指图像缩小;分割感兴趣区域也是一种降维的方式特征描述子值经过计算,取出图像特征降噪是为了去除干扰信息,不属于降维88.以下哪些选项不是Word2Vec训练中可以采用的加速技巧?A、DataAugmentationB、Up-slingC、NegativeSlingD、SoftPlus答案:ABD解析:Word2Vec是一种用于计算词向量的模型,其训练过程中可以采用多种加速技巧。在这些选项中,NegativeSling是一种常用的加速技巧,它通过减少需要更新的权重数量来提高训练速度。而DataAugmentation(数据增强)、Up-sling(上采样)通常用于图像处理领域,与Word2Vec训练加速无关。SoftPlus是一个激活函数,与训练加速技巧不直接相关。因此,选项A、B、C不是Word2Vec训练中可以采用的加速技巧,答案是ABC。89.为了衡量数据中心的效率,主要参考以下哪几项指标?A、PUEB、数据中心温度C、数据中心面积D、碳使用效率答案:AD解析:PUE(PowerUsageEffectiveness,电源使用效率)是用于衡量数据中心能源效率的关键指标,它表示数据中心总能耗与IT设备能耗的比值,比值越低,效率越高。碳使用效率反映了数据中心在运营过程中的碳排放情况,对于评估其对环境的影响和可持续性具有重要意义。而数据中心温度和面积并非直接衡量数据中心效率的核心指标。综上所述,正确答案是AD。90.ModelArts中训练平台可以支持的开发模式有哪几种?A、云上开发IDE+PyCharmToolKit)B、云上开发(Notebook+SDKC、本地开发IDE+PyCharmToolKit)D、本地开发(Notebook+SDK)答案:AD解析:这道题考察的是对ModelArts训练平台支持的开发模式的了解。ModelArts支持多种开发模式,包括云上开发和本地开发。云上开发可通过Notebook和SDK进行,本地开发同样支持IDE搭配PyCharmToolKit或Notebook搭配SDK的模式。因此,云上开发IDE并非ModelArts支持的模式,A选项不正确。其余选项均准确描述了ModelArts支持的开发模式。91.以下哪些门属于LSTM的结构?()A、输入门B、输出门C、记忆门D、遗忘门答案:ABD解析:这道题考察的是LSTM(长短期记忆网络)的结构知识。LSTM包含三个主要结构:输入门、遗忘门和输出门。输入门决定哪些新信息被加入到细胞状态中,遗忘门决定从细胞状态中丢弃哪些信息,输出门决定细胞状态的哪些部分将被输出。因此,A、B、D选项正确描述了LSTM的结构,而C选项“记忆门”并非LSTM的标准组成部分。92.语音合成方法有哪些?()A、串联共振峰合成器B、并联共振峰合成器C、共振峰合成器D、PSOLA方法答案:ABCD解析:语音合成的方法有很多种,包括但不限于共振峰合成器、串联共振峰合成器、并联共振峰合成器等传统方法,也可以使用PSOLA方法等现代技术。因此,ABCD都是正确的。93.关于L1正则化与L2正则化,以下哪项表是正确的?A、L1正则项有利于增强模型的泛化能力B、L1,L2正则项不能作用在损失函数之上C、L2正则化比L1正则化产生更加稀疏的模型D、加上L2正则向后,无法使用梯度下降算法迭代参数值答案:AC解析:这道题考察的是对L1和L2正则化的理解。L1正则化通过引入模型参数的绝对值之和作为惩罚项,有助于生成稀疏权重矩阵,进而增强模型的泛化能力。L2正则化则是引入模型参数的平方和作为惩罚项,它倾向于分散权重向量,使模型更加平滑。两者都可以作用在损失函数上,且使用L2正则化后,仍然可以使用梯度下降算法迭代参数值。因此,选项A正确。94.以下关于梯度下降的描述中,哪些选项是正确的?A、小批量梯度下降(MBGD),结合BGD与SGD的特性,因此对于所有任务这种方法是最好的。B、随机梯度下降(SGD),随机选取一个数据集中的样本在当前的梯度来对权重参数进行更新操作。C、小批量梯度下降(MBGD),结合BGD与SGD的特性,每次选择数据集中N个样本的梯度来对权重参数进行更新操作。D、批量梯度下降(BGD),使用所有数据集中的样本(共M个样本)在当前的梯度之和来对权重参数进行更新操作答案:BCD解析:正确答案是BCD。解释如下:B选项描述的是随机梯度下降(SGD),它是一种常用的优化算法,通过随机选择一个数据集中的样本在当前梯度下的操作来更新权重参数。C选项描述的是小批量梯度下降(MBGD),它结合了批量梯度下降(BGD)和SGD的特性,每次选择数据集中N个样本的梯度来对权重参数进行更新操作。这种方法可以更好地利用数据,提高算法的收敛速度和精度。D选项描述的是批量梯度下降(BGD),它使用所有数据集中的样本在当前的梯度之和来对权重参数进行更新操作。虽然这种方法在大规模数据集上可能表现不佳,但在处理小规模数据集时,BGD仍然是常用的优化算法之一。因此,这三个选项都是关于梯度下降的正确描述。95.图像识别的基本任务()A、图像分类B、目标检测C、图像分割D、目标跟踪答案:ABCD解析:图像识别的基本任务涉及对图像内容的理解和分析。图像分类是识别图像中的主体类别;目标检测不仅要分类,还要定位图像中的每个目标;图像分割则进一步区分图像中的不同区域和对象;目标跟踪是连续帧中定位同一目标。这些任务共同构成了图像识别的基础,涵盖了从简单分类到复杂场景理解的全过程。96.RESTAPI的请求/响应包含哪些A、请求URLB、请求消息头C、请求消息体D、响应消息头E、响应消息体答案:ABCDE解析:RESTAPI的请求/响应通常包含以下内容A.请求URL用于指定请求的目标资源或操作。B.请求消息头用于传递与请求相关的附加信息,如身份验证、头部信息等。C.请求消息体包含实际的请求数据,如POST请求中的数据。D.响应消息头包含与响应相关的元数据,如状态码、响应时间等。E.响应消息体包含实际的数据或结果,如GET请求的响应结果。97.华为云EI让更多的企业边界的使用AI和大数据服务,加速业务发展,造福社会。华为云EI服务可以在以下哪些方面服务企业?A、行业数据B、行业智慧C、算法D、算力答案:ABCD解析:华为云El服务提供Al和大数据服务,可以帮助企业加速业务发展,并造福社会。这种服务可以包括行业数据、行业智慧、算法和算力等方面,以满足企业的不同需求。因此,正确答案是ABCD。98.已知全连接神经网络的某一层的参数总量为330,则上一层和本层的神经元数量可能为?A、32和10B、33和10C、10和和33D、9和33答案:ABC解析:全连接神经网络的参数总量计算公式是“上一层神经元数量乘以本层神经元数量加上本层神经元数量(如果考虑偏置项)”。A选项(32∗10+10=330)计算不符合,B选项(10∗33=330)符合,C选项(33∗10=330)符合,D选项(9∗33=297)不符合。因此,正确答案是B和C,它们满足参数总量的条件。99.以下哪些是Mindspore中Tensor常见的操作?A、switch()B、size()C、asnumpy()D、tensor_add(other:tensor)答案:BC解析:在MindSpore框架中,Tensor是一个基本的数据结构,用于表示多维数组。对于给出的选项:A.`switch()`并不是MindSpore中Tensor的常见操作。B.`size()`是Tensor的一个常见操作,用于获取Tensor中元素的数量。C.`asnumpy()`也是Tensor的一个常见操作,用于将Tensor转换为NumPy数组,方便与其他Python库进行交互。D.`tensor_add(other:tensor)`看起来像是一个Tensor添加另一个Tensor的操作,但在MindSpore中,Tensor的加法通常使用`+`运算符或`add()`方法,而不是`tensor_add()`函数。因此,正确的选项是B和C。100.以下哪些华为云EI自然语言处理服务提供了基础版和领域版的API?()A、文本分类B、情感分析C、文本摘要D、命名实体识别答案:ABCD解析:华为云EI自然语言处理服务提供了多个API,包括文本分类、情感分析、文本摘要和命名实体识别等。这些服务的基础版和领域版API都是提供给用户使用的,以满足不同领域和不同需求的自然语言处理任务。因此,所有选项都是正确的。101.华为云文字识另别OCR技术的优势有哪几项?A、识别精度高B、降低成本C、高适应性D、快速高效答案:ABCD解析:华为云文字识别OCR技术具有多方面的优势,如高识别精度、降低成本、高适应性以及快速高效。这些优势使其在很多场景中都得到了广泛的应用。因此,正确答案是ABCD。102.关于卷积神经网络的结构,下列哪些说法是正确的?A、在卷积神经网络格中,池化层只能选择最大池化,而不韵选择其他方法。B、卷积运算的目的是提取输入的不同特征,第一层卷积层可能只能提取一些低级的特征如边缘、线条和角,更多层的网络能从低级特征中迭代提取更复杂的特征。C、全连接层把所有局部特征结合变成全局特征用来计算最后每一类的得分。D、卷积神经网络中每层卷积层由若干卷积单元组成,每个卷积单元的参数都是通过反向传播算法优化得到的。答案:BCD解析:这道题考察卷积神经网络的结构。池化层有多种方法,不仅限于最大池化,故A项错误。卷积运算的目的是提取特征,从低级到高级,所以B项正确。全连接层将局部特征整合为全局特征,用于分类,C项正确。卷积层由卷积单元构成,其参数通过反向传播优化,D项正确。103.RESTAPI的请求方法包括A、GETB、PUTC、POSTD、ELETE、PATCH答案:ABCDE解析:RESTAPI(RepresentationalStateTransferApplicationProgrammingInterface)是一种网络应用程序的设计风格和开发方式,基于HTTP协议。在RESTAPI中,请求方法用于指示对资源的操作类型。A.GET方法用于请求访问已被URI识别的资源,可以通过URL传送查询参数来指定资源状态。B.PUT方法用于更新资源,客户端发送的数据会替换指定URI的资源内容。C.POST方法用于向指定资源提交数据,请求服务器进行处理(例如提交表单或者上传文件)。数据被包含在请求体中。D.DELETE方法用于删除指定的资源。E.PATCH方法用于对资源进行部分修改。因此,RESTAPI的请求方法确实包括GET、PUT、POST、DELETE和PATCH,所以答案是ABCDE。104.下面哪些技术属于图像分割的应用?A、连通域分割B、运动分割C、目标分割D、阈值分割答案:ABCD解析:图像分割是一种在图像处理中常见的技术,它将图像分成多个部分或区域,以识别图像中的不同对象或区域。其中,连通域分割、运动分割、目标分割和阈值分割都是常见的图像分割技术。因此,ABCD都是正确的。需要注意的是,用户输入的题目来源不同,所以可能存在差异。但总体来说,大学教授的知识储备和推理能力可以帮助用户找到正确的。105.以下哪些选项属于正则化方法的有哪些选项?A、DropoutB、atchNormalizationC、NND、RNN答案:AB解析:正则化是一种通过引入额外的约束或惩罚项来防止过拟合的技术。常见的正则化方法包括L1和L2正则化、Dropout等。在深度学习中,BatchNormalization也可以被看作是一种正则化技术,它通过对每个小批量的数据进行标准化处理,减少了内部协变量偏移,从而有助于稳定训练过程和减少过拟合的风险。而CNN(卷积神经网络)和RNN(循环神经网络)则是两种不同类型的神经网络架构,不属于正则化方法。因此,属于正则化方法的选项是AB。106.自动学习的图像分类数据可以从哪些途径获取()A、从ModelArts市场导入B、从网页端上传C、从OBS上传D、从其他云服务商存储服务载入答案:ACD解析:实验手册规定107.以下哪些服务属于华为EI服务家族?A、对话机器人B、EI基础服务C、自然语言处理D、EI大数据服务答案:ABCD解析:华为EI服务家族是华为提供的一系列企业级智能服务,旨在帮助企业实现数字化转型和智能化升级。其中,对话机器人属于EI服务家族中的一员,它利用自然语言处理技术,实现与用户的交互和智能应答。EI基础服务提供了构建和运行智能应用所需的基础能力和平台支持。自然语言处理是EI服务家族中的核心技术之一,用于理解和处理人类语言。EI大数据服务则提供了对大规模数据的存储、处理和分析能力,以支持企业的数据驱动决策。因此,选项A、B、C、D均属于华为EI服务家族的一部分,答案是ABCD。108.以下选项中哪些是常用的深度学习激活函数?A、tanh函数B、ReLU函数C、Softsign函数D、Sigmoid函数答案:ABCD解析:这道题考察深度学习中的激活函数知识。在深度学习里,激活函数帮助模型引入非线性,提升表达能力。tanh、ReLU、Softsign、Sigmoid都是广泛使用的激活函数,它们各有特点,适用于不同场景和需求。因此,所有这些选项都是常用的深度学习激活函数。109.为了将数字图像有效地转换为结构化数据,需要用到图像特征提取的技术降低数据的维度。以下哪些是图像特征提取和降低数据维度的主要思路?()A、分割感兴趣区域B、降采样C、特征描述子D、模式识别答案:ABC解析:图像特征提取的主要思路包括分割感兴趣区域、降采样和特征描述子。这些方法可以有效地从数字图像中提取出有意义的信息,降低数据的维度,从而方便后续的数据分析和处理。因此,ABC都是正确的选项。110.自然语言处理的基本方法有?()A、能力模型B、应用模型C、监理模型D、强化模型答案:AB解析:能力模型通常是基于语言学规则的模型,建立在人脑中先天存在的语法通则这一假设的基础上,认为语言是人脑的语言能力推导出来的,建立语言模型就是通过建立人工编辑的语言规则集来模拟这种先天的语言能力。应用模型,通常是通过建立特定的数学模型来学习复杂的、广泛的语言结构,然后利用统计学、模式识别和机器学习等方法来训练模型的参数,以扩大语言实用的规模111.梯度下降法是一种常见的优化算法,其特点包括以下哪几项?A、多步迭代B、步长会影响收敛性C、更新方向梯度的反方向D、更新方向梯度的同方向答案:AB解析:梯度下降法是一种常见的优化算法,其特点包括多步迭代和步长会影响收敛性。在每次迭代中,算法会根据当前点的梯度信息,沿着梯度的反方向进行更新,即选项C错误,而沿着梯度的同方向进行更新,即选项D正确。因此,答案为AB。112.华为云人脸识别服务,是基于人的脸部特征信息,利用计算机对人脸图像进行处——分析和理解,进行身份识别的一种智能服务,当前华为云人脸识别提供了哪几种子服务()A、人脸搜索B、人脸跟踪C、人脸检测D、人脸对比答案:ACD解析:华为云人脸识别服务是一种基于人脸图像分析和理解的智能服务,其中包括人脸搜索、人脸跟踪、人脸检测和人脸对比等子服务。因此,为ACD。113.Adam优化器可以看做是以下哪几项的结合?A、MomentumB、AdagradC、NesterovD、RMSprop答案:ABD解析:Adam优化器结合了Momentum和RMSprop的优点。Momentum可以加速梯度下降,避免陷入局部最优解;RMSprop则可以自适应地调整学习率。Momentum为Adam优化器提供了利用之前梯度信息加速收敛的特性。RMSprop为Adam优化器提供了自适应调整学习率的能力。综上所述,Adam优化器可以看做是Momentum和RMSprop的结合。114.在利用MindStudio连接Device进行应用开发时,Device的芯片层包含的功能特性有以下哪些选项?A、流程编排器B、GEC、TBED、运行管理器答案:ABCD解析:在MindStudio中,当连接到Device进行应用开发时,Device的芯片层集成了多种功能特性以支持高效的应用开发和部署。A选项的“流程编排器”通常用于定义和管理复杂的工作流程;B选项的“GE”(通用执行环境)是运行应用所必需的底层环境;C选项的“TBE”(TensorBoostEngine)是针对AI推理和训练优化的硬件加速引擎;D选项的“运行管理器”则负责应用的执行和资源管理。因此,ABCD四个选项都是Device芯片层可能包含的功能特性。115.以下哪些是MindSpore的优点()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、支持GPU、CPU等其它处理器答案:ABCD解析:这道题考查对MindSpore优点的理解。MindSpore是一款全场景深度学习框架,其优点包括:实现AI算法即代码,简化开发流程,降低开

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论