深度学习案例教程 试题 3.4新平台系统：智慧树考试题

[单选题][2分][难度3]对于信息抽取，以下哪类不属于信息抽取。（D）A.命名实体识别B.关系抽取C.事件抽取D.类别抽取[单选题][2分][难度3]在非线性建模中，深度学习可以通过使用多层非线性变换。以下说法错误的是。（D）A.实现对数据的高阶特征提取和建模B.能更准确的捕捉数据的复杂性C.可以通过神经网络层来自适应的提取数据中的高阶特征D.可以在处理大规模数据时实现高效的并行计算[单选题][2分][难度3]关于pytorch框架，以下说法错误的是。（C）A.pytorch可以看作是加入了GPU支持的一个numpy类B.pytorch的代码简洁直观C.设计追求最少的封装，但代码比较难于阅读D.可以让用户零延迟的任意改变神经网络[单选题][2分][难度3]下列关于深度学习发展阶段描述错误的是。（C）A.在推理期，只要给机器赋予相关逻辑能力，机器便具有了智能。B.在知识期，人们将一些知识用形式化的语言进行编码，使得计算机通过逻辑推理来理解知识C.爆发期，通过BP算法有效的解决了神经网络在处理非线性分类和学习中的瓶颈。D.在快速发展期，模型通过大量数据来进行自身的学习，在结构上进行有监督的训练微调。[单选题][2分][难度3]下列不属于一阶目标检测算法的是。（C）A.OverFeatB.SSDC.SPP-NetD.RetinaNet[单选题][2分][难度3]关于混合型深度结构，下列描述错误的是。（C）A.它是对数据类型进行判别、分类B.学习过程包含两个部分：生成部分和区分部分C.属于混合型深度结构的深度学习模型有：自编码器、受限玻尔兹曼机、深度置信网络等D.可以结合判别型模型在预训练阶段对网络的所有权值进行优化[单选题][2分][难度3]对于卷积神经网络，以下说法错误的是。（D）A.卷积神经网络的基本模块是由输入和输出层以及多个隐藏层组成B.与其他图像分类算法相比，卷积神经网络使用相对较少的预处理。C.可用于图像和视频识别，推荐系统，图像分类，医学图像分析和自然语言处理。D.其本质是一个用于处理和预测序列数据的神经网络模型[单选题][2分][难度3]对于L2正则化，以下说法错误的是（B）A.计算方式是在损失函数中加入参数的平方和的一半B.倾向于使一些参数变为零C.可以防止参数过大D.计算简单且有平滑的解[单选题][2分][难度3]对于代码搜索任务来说，从下面哪个网站获取数据较好（C）A.B.C.D.[单选题][2分][难度3]用什么工具可以将GitHub上面的项目下载到本地（B）A.requestsB.gitC.pycharmD.bs4[单选题][2分][难度3]用什么方法将自然语言文本和代码这两种异构数据进行匹配（A）A.将两种数据嵌入到同一个向量空间B.用翻译模型进行翻译C.直接计算相似度D.通过长度匹配[单选题][2分][难度3]在代码搜索任务重，如果函数名字为readFile，应该处理成哪种形式（D）A.ReadFileB.readFileC.read_FileD.readfile[单选题][2分][难度5]有一层神经网络，前一层80个神经元，后一层60个神经元，如果使用均匀分布的Xavier初始化，那么权重初始化的范围为（C）A.[-0.253,0.253]B.[-1,1]C.[-0.153,0.153]D.无法确定[单选题][2分][难度2]以下哪个模型是传统语音识别中关键的模型（B）A.CMMB.HMMC.CNND.LSTM[单选题][2分][难度3]关于张量的相关属性，下面输出张量形状的是（A）。A.tensor.shapeB.tensor.dtypeC.tensor.deviceD.tensor.type[单选题][2分][难度3]如果计算输入张量中每个元素的绝对值，可以采用哪种方法（C）。A.matmul（）B.mul（）C.torch.abs（）D.torch.add（）[单选题][2分][难度3]关于Pytorch中的张量，以下说法错误的是（B）。A.在CPU上的张量和NumPy数组共享它们的内存位置，改变一个会导致另一个数据也变化。B.在CPU上的张量和NumPy数组不共享它们的内存位置。C.PyTorch的运算单元叫作张量(tensor)。D.张量属性包括形状、数据类型和存储设备[单选题][2分][难度3]在Pytorch中，将张量移动到GPU上可以使用哪种函数实现。（C）A.rand()B.zeros()C.to()D.tensor()[单选题][2分][难度3]在Pytorch中，可以使用哪种函数实现张量方差的求取。（A）A.var()B.nanmean()C.sum()D.add()[单选题][2分][难度3]在Pytorch中，可以使用哪种函数实现计算指定张量维度的元素的和。（C）A.min()B.max()C.sum()D.mean()[单选题][2分][难度3]在Pytorch中，可以使用哪种函数实现张量标准差的求取。（B）A.min()B.std()C.sum()D.add()[单选题][2分][难度3]对于文本翻译任务，以下哪种技术不会被用到。（D）A.批处理技术B.归一化技术C.注意力机制D.金字塔卷积方法[单选题][2分][难度3]在批处理中，对1000个训练样本进行批处理，批大小为32，那么以下说法错误的是。（C）A.数据有32个批次B.有一个批次内有8个样本C.每个批都有32个样本D.每个批的大小不一样[单选题][2分][难度3]关于深度学习中的注意力机制，以下说法错误的是。（D）A.根据输入序列的不同部分对目标序列进行加权关注B.解码器可以确定在生成当前单词时对输入序列的哪些部分进行更重视C.注意力机制的作用是改善模型对长句子的处理能力D.注意力机制通过选取有效样本达到减小数据量的目的[单选题][2分][难度3]在文本翻译任务中，数据处理类classLang中的self.index2word的作用是。（A）A.给每个词标序号B.记录每个词出现出现多少次C.记录总的词数D.给词库添加一次词语[单选题][2分][难度3]在文本翻译任务中，函数unicodeToAscii的作用是。（C）A.文本转化为向量B.文本词汇标序C.编码格式转换D.文本清洗[单选题][2分][难度3]在文本翻译模型中，解码器初始输入是什么。（D）A.字典中的第一个tokenB.零向量C.<EOS>标志位D.<SOS>标志位[单选题][2分][难度3]对于随机批处理和顺序批处理方法，以下说法错误的是。（B）A.可以根据数据集的特点选择B.随机批处理比顺序批处理的效果好C.可以交替使用D.如果数据集排列存在顺序，那么随机批处理效果较好[单选题][2分][难度3]均方误差（MSE）损失函数通常用于解决哪种类型的问题（C）。A.分类问题B.目标检测问题C.回归问题D.图像分割问题[单选题][2分][难度3]关于梯度下降算法的哪些描述是正确的（B）。A.梯度下降算法始终收敛到全局最小值B.学习率是一个超参数，影响梯度下降的速度和稳定性C.随机梯度下降算法每次只处理一个样本D.批量梯度下降算法每次处理整个数据集[单选题][2分][难度3]反向传播是深度学习中用于什么目的的（B）。A.正向传播神经网络的输出B.计算损失函数相对于模型参数的梯度C.初始化神经网络权重D.前向传递数据到下一层神经元[单选题][2分][难度3]为什么神经网络模型不能直接应用梯度下降算法进行训练（C）。A.梯度下降算法需要明确求导函数B.神经网络没有明确的输入和输出C.隐藏层的误差不能直接求导D.神经网络的参数无法更新[单选题][2分][难度3]目标检测的主要任务是（C）。A.图像分类B.物体定位C.识别感兴趣的物体D.图像分割[单选题][2分][难度3]目标检测中，什么是目标定位（B）。A.确定物体的类别B.准确地定位物体的位置C.生成物体的分割掩码D.对图像进行特征提取[单选题][2分][难度3]目标检测中的非极大值抑制（NMS）的作用是（A）。A.减少重叠的检测框B.提高目标分类准确性C.加速模型训练过程D.减小损失函数的值[单选题][2分][难度3]在目标检测中，以下哪些是常用的优化算法（A）。A.随机梯度下降（SGD）B.卷积神经网络（CNN）C.牛顿法D.随机森林[单选题][2分][难度3]分词是自然语言处理中的哪一步骤（D）。A.语法分析B.词干提取C.停用词处理D.文本标记[单选题][2分][难度3]哪种训练/测试数据分割方法将数据集划分为k个互斥子集，然后使用其中k-1个子集作为训练集，1个子集作为测试集（B）。A.自助法B.交叉验证C.留出法D.随机抽样法[单选题][2分][难度3]交叉验证的主要优点是什么（B）。A.计算成本低B.减小模型性能估计的方差C.可以用于处理时间序列数据D.不需要多轮训练和验证[单选题][2分][难度3]下面哪种不是交叉验证的一种类型（D）。A.K-折交叉验证B.随机划分交叉验证C.自助法D.梯度下降交叉验证[单选题][2分][难度3]在Python中，哪个库通常用于进行交叉验证（A）。A.scikit-learnB.PyTorchC.TensorFlowD.Keras[单选题][2分][难度3]哪种情况是过拟合的明显标志（C）。A.模型在验证数据上的性能好于训练数据B.模型在训练数据上的损失和验证数据上的损失同时下降C.模型在训练数据上的损失下降而在验证数据上的损失上升D.模型在训练数据上的损失和验证数据上的损失都上升[单选题][2分][难度3]文本分类模型中的哪个层通常用于计算所有词向量的平均值（C）。A.逻辑回归层B.卷积层C.nn.EmbeddingBag层D.LSTM层[单选题][2分][难度3]在文本分类任务中，什么是过拟合？（B）。A.模型在训练数据上的表现差，而在验证数据上的表现好B.模型在训练数据上的表现好，而在验证数据上的表现差C.模型在训练数据和验证数据上的表现相似D.模型无法在任何数据上表现良好[单选题][2分][难度3]下面哪种方法不是防止过拟合的策略（A）。A.使用更复杂的模型B.提供更多的训练数据C.正则化D.早停法[单选题][2分][难度3]词嵌入是一种将单词或短语映射到什么类型的空间（B）。A.整数向量空间B.实数向量空间C.二进制向量空间D.字符串向量空间[单选题][2分][难度3]词嵌入通过将单词表示为什么类型的向量，使计算机更好地理解单词之间的语义和关联关系（C）。A.整数向量B.布尔向量C.实数向量D.字符串向量[单选题][2分][难度3]在手写数字识别中，全连接网络的输入层应该是（A）。A.手写数字的像素值B.手写数字的标签C.手写数字的特征向量D.手写数字的灰度图像[单选题][2分][难度3]在全连接网络中，隐藏层的作用是（B）。A.提取手写数字的特征B.帮助网络学习输入与输出之间的映射关系C.调整网络的权重和偏置D.输出最终的分类结果[单选题][2分][难度3]在全连接网络中，输出层的激活函数常常选择（D）。A.Sigmoid函数B.ReLU函数C.LeakyReLU函数D.Softmax函数[单选题][2分][难度3]在手写数字识别中，交叉熵损失函数常用于（A）。A.衡量网络输出与真实标签之间的差异B.正则化网络的权重和偏置C.改善网络的收敛性D.防止过拟合[单选题][2分][难度3]在训练全连接网络时，批量梯度下降的特点是（A）。A.使用全部训练样本计算梯度B.使用随机选择的一部分训练样本计算梯度C.使用单个训练样本计算梯度D.不使用梯度进行参数更新[单选题][2分][难度3]过拟合现象在全连接网络中可能出现的原因是（B）。A.网络层数过多B.训练数据过少C.正则化项设置过大D.学习率设置过小[单选题][2分][难度3]为了提高全连接网络的性能，可以尝试的方法包括（A）。A.增加网络的层数B.减小网络的神经元数量C.删除正则化项D.减小训练数据集的大小[单选题][2分][难度3]卷积神经网络（CNN）在图像分类任务中的优势是（C）。A.可以处理任意大小的输入图像B.具有较高的计算效率C.可以自动提取图像的特征D.需要较少的训练数据[单选题][2分][难度3]卷积层在卷积神经网络中的作用是（D）。A.提取图像的全局特征B.缩小图像的尺寸C.增加图像的通道数D.提取图像的局部特征[单选题][2分][难度3]池化层在卷积神经网络中的作用是（B）。A.提取图像的全局特征B.缩小图像的尺寸C.增加图像的通道数D.提取图像的局部特征[单选题][2分][难度3]在卷积神经网络中，激活函数常用的选择是（B）。A.Sigmoid函数B.ReLU函数C.Tanh函数D.Softmax函数[单选题][2分][难度3]在卷积神经网络中，全连接层的作用是（D）。A.提取图像的全局特征B.缩小图像的尺寸C.增加图像的通道数D.进行分类或回归任务[单选题][2分][难度3]激活函数在卷积神经网络中的作用是什么？（C）。A.提高模型的鲁棒性B.加速模型训练速度C.引入非线性变换D.减少参数的数量[单选题][2分][难度3]在训练卷积神经网络时，损失函数的选择是根据什么来确定的（D）。A.训练数据的类型B.网络的深度C.优化算法的选择D.任务的具体要求[多选题][2分][难度3]属于生成型深度结构的深度学习模型有（ABC）。A.自编码器B.受限玻尔兹曼机C.深度置信网络D.遗传算法[多选题][2分][难度3]词法分析器的主要任务有（ABCD）。A.词汇切分_B.词性标注C.词形还原D.去除停用词[多选题][2分][难度3]在深度学习中，梯度下降算法基本思想包括（AB）。A.通过计算损失函数的梯度，沿着负梯度方向更新模型的参数，逐步接近最优解。B.通过多次迭代和参数更新，可以使模型逐渐收敛到损失函数的极值点，从而获得最优的参数值。C.通过反复调整模型参数、计算损失函数、使用优化算法进行参数更新D.通过测试集的评估结果，可以判断模型的泛化能力和对未知数据的预测能力[多选题][2分][难度3]在pytorch中初始化张量的方法有（ABCD）。A.torch.Tensor()B.torch.rand()C.torch.ones()D.torch.zeros()[多选题][2分][难度3]关于Pytorch中的函数作用，以下说法正确的是（ABCD）。A.正态分布函数是normal()B.伯努利分布函数是bernoulli()C.泊松分布是poisson()D.多元正态分布是multinomial()[多选题][2分][难度3]在Pytorch中，可以使用哪些函数实现张量最小值的求取。（ABCD）A.min()B.amin()C.argmin()D.minimum()[多选题][2分][难度3]在Pytorch中，可以使用哪些函数实现张量最大值的求取。（ABCD）A.max()B.amax()C.argmax()D.maximum()[多选题][2分][难度3]在Pytorch中，关于分位数函数quantile()参数解释正确是（ABCD）。A.第一个参数是待处理的张量。B.第二个参数是[0,1]范围内的值，类型为标量或一维张量。C.第三个参数是要处理的维度，默认返回张量中所有元素的分位数。D.第四个参数是输出张量是否保留了dim，默认值为false。[多选题][2分][难度3]在Pytorch中，可以使用哪些函数实现张量元素的和求取。（ABCD）A.msum()B.nansum()C.cumsum()D.minimum()[多选题][2分][难度3]如果想让矩阵中相应位置上的元素相乘，可以使用哪些方法来实现（AB）。A.符号：*B.函数：mul（）C.符号：@D.函数：matmul（）[多选题][2分][难度3]句子分析的主要任务包括（ABC）。A.依存句法分析B.短语结构分析C.语法规则分析D.语义解析和逻辑推理[多选题][2分][难度3]下列属于深度学习特点的是（ABCD）。A.自适应性B.非线性建模C.分层抽象表示D.可扩展性[多选题][2分][难度3]在正式使用声学模型进行语音识别之前，我们需要对音频信号进行（AC）。A.预处理B.减小模型参数C.特征提取D.拟合音频信号[多选题][2分][难度3]下列属于超分辨率重建的方法有（ABCD）。A.最近邻插值B.双线性插值C.基于重建的方法D.基于深度学习的方法[多选题][2分][难度3]对于深度学习中的批归一化，需要计算的数据有（BC）。A.总的批次数量B.均值C.方差D.网络总参数量[多选题][2分][难度3]Seq2Seq模型的代码实现中，Seq2Seq类包含哪些方法（AB）。A.__init__B.forwardC.updateD.Linear[多选题][2分][难度3]在Tatoeba数据集中，每个样本包含哪些信息（BCD）。A.图片B.中文C.英文D.版本号[多选题][2分][难度3]在文本翻译模型中，解码器输入包含哪些内容（BCD）。A.softmaxB.tokenC.上下文向量hiddenD.images[多选题][2分][难度3]随机批处理的缺点包括（ABC）。A.样本分布的不平衡B.有些类别的样本可能会被频繁选择C.有些类别的样本可能不会被选择到D.改变样本的值[多选题][2分][难度3]BatchNormalization的优势有（ACD）。A.加速收敛B.减小模型参数C.提高模型的稳定性D.减少过拟合[多选题][2分][难度3]对于Seq2Seq网络，以下说法正确的有（ABCD）。A.一种用于处理序列数据的神经网络模型B.结构中包含编码器（Encoder）和解码器（Decoder）C.可以将源语言句子编码为一个上下文向量D.利用注意力机制提高模型性能[多选题][2分][难度3]传统的目标检测方法包括以下哪些方法（AB）。A.基于滑动窗口的方法B.基于特征的方法C.区域提议网络（RPN）D.滑动窗口和区域池化[多选题][2分][难度3]FasterR-CNN相比于FastR-CNN的改进包括（AC）。A.引入了区域提议网络（RPN）B.使用全连接层进行特征提取C.引入了区域池化层D.仅使用选择性搜索生成候选区域[多选题][2分][难度3]交叉验证的主要缺点是什么（ACD）。A.计算成本高B.难以实现C.可能不适用于时间序列数据D.可能引入数据分割的随机性影响[多选题][2分][难度3]下面哪些方法可以用于防止过拟合（ACD）。A.获取更多的训练数据B.使用更复杂的模型C.正则化D.早停法[多选题][2分][难度3]在中文分词中，哪些方法常用于解决切词的歧义问题（ABC）。A.基于字符串匹配的方法B.基于统计的方法C.深度学习方法D.分层切分[多选题][2分][难度3]以下哪些任务可以使用词嵌入来提高性能？（AB）。A.文本分类B.机器翻译C.图像识别D.语音识别[多选题][2分][难度3]对于CODEnn模型，关键有哪几部分组成（ACD）。A.代码嵌入网络(CoNN)B.嵌入空间模块C.描述嵌入网络(DeNN)D.相似度比较模块[多选题][2分][难度3]对于代码搜索任务的数据处理任务，需要整理代码中的哪些内容（BCD）。A.代码量B.函数C.描述D.方法名[多选题][2分][难度3]对于早停法，以下说法正确的是（ABC）。A.在验证集上监控模型的性能B.在性能不再提升时停止训练C.防止模型过拟合训练数据D.不需要切分数据集[多选题][2分][难度3]对于Dropout方法，以下说法正确的是（ABCD）。A.使模型学习更加鲁棒的特征B.随机丢弃神经网络中的部分神经元C.在训练过程中以一定的概率将神经元输出置为零D.可以减少神经元之间的共适应性[多选题][2分][难度3]语音识别的基本单位包含（ABCD）。A.Phoneme（音位，音素）B.Grapheme（字位）C.Word（词）D.Morpheme（词素）[多选题][2分][难度3]经典的声学特征有哪些？（ABD）。A.梅尔频率倒谱系数MFCCB.感知线性预测系数PLPC.尺度不变特征转换SIFTD.线性预测倒谱系数LPCC[多选题][2分][难度3]深度学习的语音识别模型有哪些？（ABCD）。A.LASB.CTCC.RNN-TD.MoChA[多选题][2分][难度3]简单全连接网络中的激活函数常用的有（ABC）。A.ReLUB.SigmoidC.TanhD.Softmax[多选题][2分][难度3]简单全连接网络中，正则化技术用于防止过拟合。常见的正则化技术包括（ABCD）。A.L1正则化B.L2正则化C.DropoutD.批量归一化（BatchNormalization）[多选题][2分][难度3]简单全连接网络中，常用的训练技巧包括（ABCD）。A.学习率衰减B.参数初始化C.批量大小选择D.数据增强[多选题][2分][难度3]在简单全连接网络中，训练过程中的批量大小（batchsize）对模型的影响是（AB）。A.较大的批量大小会延长训练过程B.较小的批量大小可以提高模型的泛化能力C.批量大小对模型没有影响D.以上都不是[多选题][2分][难度3]在简单全连接网络中，为了防止过拟合，常常会使用的方法是（ABC）。A.正则化（Regularization）B.早停（EarlyStopping）C.dropoutD.梯度清空[多选题][2分][难度3]在简单全连接网络中，使用ReLU作为激活函数的优点是（ABC）。A.可以避免梯度消失问题B.计算速度快C.可以处理非线性关系D.梯度稳定[多选题][2分][难度3]全连接网络的优点是（BD）。A.可以处理任意大小的输入数据B.对于复杂任务具有很高的灵活性C.训练速度快D.需要较少的内存和计算资源[多选题][2分][难度3]卷积神经网络（CNN）是一种适用于图像分类任务的深度学习模型，其主要特点是（AB）。A.具有局部感知能力B.可以自动提取图像特征C.可以处理序列数据D.可以处理非结构化数据[多选题][2分][难度3]卷积层的参数包括（ABC）。A.卷积核的尺寸B.步长（stride）的大小C.填充（padding）的方式D.激活函数的选择[多选题][2分][难度3]卷积神经网络（CNN）常用于哪些计算机视觉任务？（ABD）。A.图像分类B.目标检测C.图像生成D.图像分割[多选题][2分][难度3]在卷积神经网络中，哪些层可以帮助提取图像的特征？（AB）。A.卷积层B.池化层C.全连接层D.递归层[多选题][2分][难度3]数据增强在卷积神经网络训练中的作用是什么？（AB）。A.扩充训练集大小B.减少模型的过拟合风险C.提高模型的准确性D.加速模型的训练过程[多选题][2分][难度3]在卷积神经网络的训练过程中，哪些优化算法常被使用？（ABC）。A.随机梯度下降（SGD）B.Adam优化算法C.Momentum优化算法D.反向传播算法[多选题][2分][难度3]在卷积神经网络中，哪些技术可以用来解决梯度消失问题？（AD）。A.ResNet结构B.卷积层C.池化层D.跳跃连接[判断题][2分][难度3]Xavier初始化适用于具有Sigmoid激活函数的网络层（对）[判断题][2分][难度3]对于自然语言进行数据增强，可以通过空间变化得到更多样本（错）[判断题][2分][难度3]Xavier初始化通过根据输入和输出的维度来缩放权重的随机初始化范围（对）[判断题][2分][难度3]He初始化方法适用于使用ReLU或其变体的网络（对）[判断题][2分][难度3]torch.ones()返回一个全为1的张量。（对）[判断题][2分][难度3]tensor.shape输出张量的数据类型。（错）[判断题][2分][难度3]在程序中可以用torch.cat()或torch.stack()函数来拼接张量。（对）[判断题][2分][难度3]关于乘法，矩阵相乘可以使用@符号。（对）[判断题][2分][难度3]在深度学习中行人重识别是一种目标检测方法。（对）[判断题][2分][难度3]1989年，纽约大学教授Alexnet发明了CNN–LeNet网络，并将其用于数字识别，且取得了较好的成绩。（错）[判断题][2分][难度3]判别型深度结构主要提供了对模式的区分能力，通常描述数据的后验分布。属于判别型深度结构的深度学习模型主要有卷积神经网络和深凸网络等。（对）[判断题][2分][难度3]在深度学习中目标检测核心任务是筛选出给定图像中所有感兴趣的目标，确定其位置和大小。（对）[判断题][2分][难度3]在深度学习中BatchNormalization是一种文本翻译的模型。（错）[判断题][2分][难度3]在批处理中，每一批的所有数据都前向传播并且反向传播后，才会更新梯度。（对）[判断题][2分][难度3]在文本翻译模型中，编码器得到的上下文向量是不固定长度的。（错）[判断题][2分][难度3]对于BatchNormalization，较小的批次大小可能会引入噪声（对）[判断题][2分][难度3]均方误差（MSE）损失函数适用于解决分类问题。（错）[判断题][2分][难度3]动量梯度下降算法是一种改进的梯度下降算法，利用历史梯度的加权平均进行参数更新。（对）[判断题][2分][难度3]反向传播算法涉及计算梯度并使用梯度下降来更新神经网络的参数。（对）[判断题][2分][难度3]R-CNN中，每个候选区域都需要单独进行特征提取和分类。（对）[判断题][2分][难度3]MaskR-CNN具有目标检测和像素级分割的