人工智能深度學習技術練習(習題卷11)

試卷科目：人工智能深度學習技術練習人工智能深度學習技術練習(習題卷11)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages人工智能深度學習技術練習第1部分：單項選擇題，共49題，每題只有一個正確答案,多選或少選均不得分。[單選題]1.激活函數(shù)把?()?保留并映射出來A)半激活的神經(jīng)元的特征B)未激活的神經(jīng)元的特征C)激活的神經(jīng)元的特征D)無所謂狀態(tài)的神經(jīng)元的特征答案:C解析:[單選題]2.什么是池化?A)隔離圖像特征的技術B)-種在保持特征的同時減少圖像信息的技術C)-種使圖像更清晰的技術D)組合圖片的技術答案:B解析:[單選題]3.pytorch增加維度的函數(shù)是：A)reshapeB)squeezeC)unsqueezeD)transpose答案:C解析:[單選題]4.壓縮文件命令正確的是（）。A)tarB)gzipC)lsD)ls答案:B解析:難易程度：易題型：[單選題]5.如果詞匯量是10000,每個詞匯由300個特征表示,那么嵌入矩陣就是一個()的矩陣A)10000*10000B)300*300C)300*10000D)100*10000答案:C解析:[單選題]6.np.array([[1,2,3],[4,5,6]])屬于幾維數(shù)組（）。A)0B)1C)2D)3答案:C解析:難易程度：易題型：[單選題]7.超參數(shù)范圍中說法正確的是A)隨機取值可以提升搜索效率B)隨機取值就是隨機均勻取值C)范圍就是[0,1]D)隨機取值對搜索無影響答案:A解析:[單選題]8.tf.GradientTape用來記錄（）過程A)正向傳播B)反向傳播C)參數(shù)更新D)代價處理答案:A解析:[單選題]9.LSTM中,哪個門的作用是?確定哪些新的信息留在細胞狀態(tài)中,并更新細胞狀態(tài)??A)輸入門B)遺忘門C)輸出門D)更新門答案:A解析:[單選題]10.定義張量類型為32位浮點數(shù)，下列代碼正確的是A)Tf.constant([1],32)B)Tf.constant([1],32.0)C)Tf.constant([1],type=tf.float32)D)Tf.constant([1],dtype=tf.float32)答案:D解析:[單選題]11.DataLoader中num_workers的作用是A)批次大小B)是否亂序C)使用多進程讀取數(shù)據(jù)，設置的進程數(shù)。D)是否丟棄最后一個樣本數(shù)量不足batch_size批次數(shù)據(jù)。答案:C解析:[單選題]12.均方誤差損失函數(shù)用來處理（）問題A)分類B)預測C)過擬合D)以上都不對答案:B解析:[單選題]13.Session是Tensorflow為了控制,和輸出文件的執(zhí)行的語句.運行session.run()可以獲得你要得知的運算結果,或者是你所要運算的部分通常要創(chuàng)建Session對象,對應的編程語句為:A)sess=tf.Session()B)sess.close()C)tf.add()D)tf.equal()答案:A解析:[單選題]14.當權值過大,前面層比后面層梯度變化更快,會引起梯度爆炸問題,就是所謂的()A)梯度爆炸B)卷積C)池化D)全連接答案:A解析:[單選題]15.從官網(wǎng)中下載的手寫數(shù)字數(shù)據(jù)集是什么類型文件（）。A)二進制B)八進制C)十進制D)圖片文件答案:A解析:難易程度：易題型：[單選題]16.使用二維濾波器滑動到被卷積的二維圖像上所有位置,并在每個位置上與該像素點及其領域像素點做內(nèi)積,這就是()A)一維卷積B)二維卷積C)三維卷積D)四維卷積答案:B解析:[單選題]17.語句b=tf.ones_like(a)是A)將b節(jié)點內(nèi)容用a替換B)b對應張量維度和A相同,值為1C)b對應張量維度和A相同,值為2D)b對應張量維度和不同答案:B解析:[單選題]18.多義現(xiàn)象可以被定義為在文本對象中一個單詞或短語的多種含義共存。下列哪一種方法可能是解決此問題的最好選擇?BA)隨機森林分類器B)卷積神經(jīng)網(wǎng)絡C)梯度爆炸D)上述所有方法答案:B解析:[單選題]19.將一個骰子的?3?和?2?修改成?1?,那么擲這個骰子得信息熵會:A)增大B)減少C)不變D)不確定答案:B解析:[單選題]20.以下函數(shù)中不具備排序功能的是（）。A)sortB)argsortC)lexsortD)extract答案:D解析:難易程度：中題型：[單選題]21.關于擬合說法正確的是A)過擬合只發(fā)生在理論階段,實際不會發(fā)生這種情況B)欠擬合是數(shù)據(jù)量過多,造成無法全部計算的現(xiàn)象C)訓練準確率高,測試準確率低的情況,數(shù)據(jù)過擬合D)過擬合是指數(shù)據(jù)量大,計算復雜的情況答案:C解析:[單選題]22.神經(jīng)網(wǎng)絡的三層網(wǎng)絡結構包括（）。A)輸入層、中間層、輸出層B)輸入層、輸出層、中間層C)輸入層、隱藏層、輸出層D)輸入層、輸出層、隱藏層答案:C解析:難易程度：易題型：[單選題]23.下列關于循環(huán)語句的說法正確的是（）。A)for語句是一種當型循環(huán)B)while語句是一種直到型循環(huán)C)使用while語句創(chuàng)建了無限循環(huán)時，一定是因為頂端布爾表達式只包含常數(shù)D)for語句和while語句都支持嵌套，并且可以相互嵌套答案:D解析:難易程度：中題型：[單選題]24.神經(jīng)網(wǎng)絡中使用激活函數(shù)處理非線性因素,是因為()的效果不夠A)非線性模型B)非線性+線性模型C)雙曲線性模型D)線性模型答案:D解析:[單選題]25.實踐中,Batch歸一化通常和什么一起使用A)訓練集的mini-batchB)測試集的mini-batchC)整個訓練集D)整個測試集答案:A解析:[單選題]26.MNIST數(shù)據(jù)集有多少條訓練樣本（）。A)55000B)60000C)10000D)50000答案:D解析:難易程度：易題型：[單選題]27.Tf.matmul(a,B,transpose_a=False,transpose_b=False,adjoint_a=False,adjoint_b=False,a_is_sparse=False,b_is_sparse=False,name=None)函數(shù)返回值是一個跟張量a和張量b類型一樣的張量且最內(nèi)部矩陣是a和b中的相應矩陣的()A)相與B)乘積C)相除D)相加答案:B解析:[單選題]28.深度學習最早興起于（）領域A)圖像識別B)語音識別C)數(shù)據(jù)挖掘D)自然語言處理答案:A解析:[單選題]29.對于一個圖像識別問題(在一張照片里找出一只貓)，下面哪種神經(jīng)網(wǎng)絡可以更好地解決這個問題？A)循環(huán)神經(jīng)網(wǎng)絡B)感知機C)多層感知機D)卷積神經(jīng)網(wǎng)絡答案:D解析:[單選題]30.DataLoader中drop_last的作用是A)批次大小B)是否亂序C)使用多進程讀取數(shù)據(jù)，設置的進程數(shù)。D)是否丟棄最后一個樣本數(shù)量不足batch_size批次數(shù)據(jù)。答案:D解析:[單選題]31.Youarebuildingabinaryelassifierforrecognizingcucumbers(y=1)vs.watermelons(y=0).Whichoneoftheseactivationfunctionswouldyourecommendusingfortheoutoutlaver?A)ReLUB)LeakyReLuC)sigmoidD)tanh答案:C解析:[單選題]32.Tf定義一個占位符號的語句是A)Y=tf.zeros(2.0,shape=[1,2])B)X=tf.variable(2.0,shape=[1,2])C)Y=tf.placeholder(tf.float32)D)Y=ones(2.0,shape=[1,2])答案:C解析:[單選題]33.以下選項中,對文件的描述錯誤的是（）。A)文件是一個存儲在輔助存儲器上的數(shù)據(jù)序列B)文件中可以包含任何數(shù)據(jù)內(nèi)容C)文本文件和二進制文件都是文件D)文本文件不能用二進制文件方式讀入答案:D解析:難易程度：易題型：[單選題]34.(e^x)*x^2的導數(shù)是A)(e^x)(x^2+2x)B)(e^x)C)(e^x)*cos(x)D)cosx答案:A解析:[單選題]35.防止過擬合的方法可以使用正則化，正則化方法中不包括下面哪個方法（）A)混合L1與L2正則化B)L1正則化C)L3正則化D)L2正則化答案:C解析:[單選題]36.在不使用輔助庫的情況下，Matplotlib不能繪制的圖形是（）。A)箱線圖B)折線圖C)3D圖D)條形圖答案:C解析:難易程度：中題型：[單選題]37.對y=sigmoid(x)函數(shù)對x的導數(shù)可以寫成A)y(1+y)B)exp(-x)C)1-exp(-x)D)y(1-y)答案:D解析:[單選題]38.在tf.assign(a,B.的意義是:A)將b節(jié)點變量賦值給a節(jié)點變量B)將a節(jié)點變量賦值給b節(jié)點變量C)a=bD)b=a答案:A解析:[單選題]39.基礎的神經(jīng)網(wǎng)絡只在層與層之間建立了權連接,RNN最大的不同之處就是在層之間的神經(jīng)元之間也建立的()A)權連接B)層連接C)前饋連接D)反饋連接答案:A解析:[單選題]40.對于一個分類任務，如果開始時神經(jīng)網(wǎng)絡的權重不是隨機賦值的，而是都設成0，下面哪個敘述是正確的?A)其他都不對B)沒啥問題，神經(jīng)網(wǎng)絡會正常開始訓練C)，但后都會別同樣的東西D)網(wǎng)絡不會開始訓練，因為沒有梯度改變答案:C解析:[單選題]41.模型訓練方式中最簡單的操作方式是：A)內(nèi)置fitB)內(nèi)置train_on_batchC)自定義訓練循環(huán)D)內(nèi)置compile答案:A解析:[單選題]42.AlexNet網(wǎng)絡結構有8層,其中有5個卷積層和()個全連接層A)3B)5C)16D)19答案:A解析:[單選題]43.JSON數(shù)據(jù)餓格式與下面哪種相似（）。A)列表B)數(shù)組C)字典D)字符串答案:C解析:難易程度：易題型：[單選題]44.關于Python文件處理，以下選項中描述錯誤的是（）A)Python能處理JPG圖像文件B)Python不可以處理PDF文件C)Python能處理CSV文件D)Python能處理Excel文件答案:B解析:難易程度：易題型：[單選題]45.X的值是False,tf.cast(x,tf.float32)的結果是A)0.0B)FalseC)1.0D)True答案:A解析:[單選題]46.卷積函數(shù)中，參數(shù)strides的作用是（）A)設置卷積核B)設置卷積步長C)設置卷積層數(shù)D)以上都不對答案:B解析:[單選題]47.下列不屬于Lasso對象屬性的是（）。A)coef_B)sparse_coef_C)intercept_D)n_features_答案:D解析:難易程度：中題型：第2部分：多項選擇題，共16題，每題至少兩個正確答案,多選或少選均不得分。[多選題]48.圖像讀寫語句:image0=tf.image.decode_jpeg(value)A)對Value進行解碼B)Value是jpeg格式數(shù)據(jù)C)value是壓縮數(shù)據(jù)D)tf.image是圖像處理類答案:ABCD解析:[多選題]49.范數(shù),在()、()及相關的數(shù)學領域,范數(shù)是一個函數(shù),是矢量空間內(nèi)的所有矢量賦予非零的正長度或大小。A)線性代數(shù)B)泛函分析C)腐蝕D)膨脹答案:AB解析:[多選題]50.Adagrad優(yōu)化器需要執(zhí)行的步驟是A)計算梯度B)累計平方梯度C)計算更新D)應用更新答案:ABCD解析:[多選題]51.Anaconda包含了()約180多個科學包及其依賴項。A)condaB)matlabC)PythonD)cad答案:AC解析:[多選題]52.函數(shù)conv2d()有好幾個參數(shù)…,對其參數(shù)描述正確的下面選項有那些?A)步長在高度方向和寬度方向均為stridesB)填充圖像邊緣,使圖像尺寸不變C)input是待卷積的數(shù)據(jù)D)filter是卷積核答案:ABCD解析:[多選題]53.在tensorflow中,tf.reshape函數(shù)的參數(shù)是(tensor,shape,name=None),以下哪些描述是正確的?A)函數(shù)的作用是將tensor變換為參數(shù)shape形式B)其中的shape為一個列表形式C)name可省略D)-1所代表的含義是我們不用親自去指定這一維的大小,函數(shù)會自動進行計算答案:ABCD解析:[多選題]54.語句a=tf.Variable([1,2,3])和b=tf.Variable(a)這條語句:A)合法B)非法C)合法但a需要提前初始化D)合法但不夠安全答案:ACD解析:[多選題]55.在tensorflow平臺中,能實現(xiàn)卷積運算的函數(shù)是:A)tf.nn.conv2dB)tf.nn.depthwise_conv2dC)tf.nn.convolutionD)tf.random_normal答案:ABC解析:[多選題]56.Anaconda包括()以及一大堆安裝好的工具包,比如:numpy、pandas等A)CondaB)PythonC)OPENCVD)TPU答案:AB解析:[多選題]57.optimizer中包含的方式有A)rmspropB)adagradC)adamD)sgd答案:ABCD解析:[多選題]58.Tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)A)準備樣本集合B)前向傳遞,求出lossC)求出反向的梯度dYD)按照梯度dY,確定的更新參數(shù),更新X,繼續(xù)循環(huán)答案:ABCD解析:[多選題]59.writer.add_scalar僅能對標量的值的變化進行可視化，一般用于（）分析A)損失B)評估指標C)權重D)截距答案:AB解析:[多選題]60.pytorch中tensorboard的可視化模塊有A)writer.add_graphB)writer.add_scalarC)writer.add_histogramD)writer.add_figure答案:ABCD解析:[多選題]61.梯度下降法主要有哪些缺點：（）A)訓練速度慢B)計算量太大C)容易陷入局部最優(yōu)解D)代碼太多答案:AC解析:評價：梯度下降法主要有兩個缺點:訓練速度慢：每走一步都要要計算調(diào)整下一步的方向，下山的速度變慢。在應用于大型數(shù)據(jù)集中，每輸入一個樣本都要更新一次參數(shù)，且每次迭代都要遍歷所有的樣本。會使得訓練過程及其緩慢，需要花費很長時間才能得到收斂解。容易陷入局部最優(yōu)解：由于是在有限視距內(nèi)尋找下山的反向。當陷入平坦的洼地，會誤以為到達了山地的最低點，從而不會繼續(xù)往下走。所謂的局部最優(yōu)解就是鞍點。落入鞍點，梯度為0，使得模型參數(shù)不在繼續(xù)更新。[多選題]62.屬于卷積的參數(shù)有A)strideB)kerner_sizeC)in_channelsD)out_channels答案:ABCD解析:第3部分：判斷題，共19題，請判斷題目是否正確。[判斷題]63.深度學習的思想，來源于人腦的啟發(fā)，但絕不是人腦的模擬，人類的學習過程往往不需要大規(guī)模的訓練數(shù)據(jù)，而現(xiàn)在的深度學習方法顯然是對人腦的模擬。A)正確B)錯誤答案:錯解析:深度學習的思想，來源于人腦的啟發(fā)，但絕不是人腦的模擬，人類的學習過程往往不需要大規(guī)模的訓練數(shù)據(jù)，而現(xiàn)在的深度學習方法顯然不是對人腦的模擬。[判斷題]64.獨熱編碼沒有什么作用A)正確B)錯誤答案:錯解析:[判斷題]65.隱藏層層數(shù)增加，模型能力增加。A)正確B)錯誤答案:錯解析:[判斷題]66.神經(jīng)網(wǎng)絡中，隱藏層如果具有足夠數(shù)量的單位，理論上它就可以近似任何連續(xù)函數(shù)。A)正確B)錯誤答案:對解析:[判斷題]67.Tensorflow是谷歌公司開發(fā)的深度學習開發(fā)框架。A)正確B)錯誤答案:對解析:[判斷題]68.使用torch.utils.data.TensorDataset根據(jù)Tensor創(chuàng)建數(shù)據(jù)集(numpy的array，Pandas的DataFrame需要先轉換成Tensor)。A)正確B)錯誤答案:對解析:[判斷題]69.卷積運算的主要目的是為了增強信號特征，較少噪音。A)正確B)錯誤答案:對解析:[判斷題]70.激活函數(shù)會將數(shù)據(jù)變?yōu)榉蔷€性模式A)正確B)錯誤答案:對解析:[判斷題]71.處理分類問題一般用神經(jīng)網(wǎng)絡,處理預測問題用線性回歸。A)正確B)錯誤答案:對解析:[判斷題]72.概率系統(tǒng)中,單個事件的信息熵,是系統(tǒng)信息熵的一個組成部分。A)正確B)錯誤答案:對解析:[判斷題]73.與傳統(tǒng)機器學習方法相比，深度學習的優(yōu)勢在于深度學習完全不提取底層特征，如圖像邊緣、紋理等。A)正確B)錯誤答案:錯解析:[判斷題]74.BP算法可以使網(wǎng)絡權值收斂到一個最終解,但它并不能保證所求為誤差超平面的全局最優(yōu)解,也可能是一個局部極小值。這主要是因為BP算法所采用的是梯度下降法A)正確B)錯誤答案:對解析:[判斷題]75.均方損失函數(shù),是個數(shù)量函數(shù),它的張量的維度是0A)正確B)錯誤答案:對解析:[判斷題]76.在tf語句中X.Value是將x中的內(nèi)容取出。A)正確B)錯誤答案:錯解析:[判斷題]77.全局變量初始化語句后,變量和常量都被初始化。A)正確B)錯誤答案:錯解析:[判斷題]78.MNIST全連接神經(jīng)網(wǎng)絡模型一共有3層，既輸入層、隱藏層和輸出層。A)正確B)錯誤答案:對解析:[判斷題]79.圖像經(jīng)過卷積之后會變小，輸入輸出大小不一致。采用0填充的方式解決這個問題。A)正確B)錯誤答案:對解析:[判斷題]80.Tf.reduce_mean函數(shù)的作用是求平均值。第一個參數(shù)是一個集合,可以是列表、二維數(shù)組和多維數(shù)組。第二個參數(shù)指定在哪個維度上面求平均值。默認對所有的元素求平均A)正確B)錯誤答案:對解析:[判斷題]81.所謂圖靈測試是一個典型思想實驗。A)正確B)錯誤答案:對解析:第4部分：問答題，共16題，請在空白處填寫正確答案。[問答題]82.卷積層的輸入輸出數(shù)據(jù)稱為_______答案:特征圖解析:[問答題]83.tensorflow中，變量是一種特殊的______。答案:張量；解析:[問答題]84.簡述批量梯度下降法的操作方法與優(yōu)缺點。答案:遍歷全部數(shù)據(jù)集算一次損失函數(shù)，對各個參數(shù)進行更新；每更新一次參數(shù)，需要遍歷數(shù)據(jù)集中所有樣本，導致計算速度慢。解析:[問答題]85.編程：tf.variable_scope里面還有一個resuse=True屬性，表示使用已經(jīng)定義過的變量，這時tf.get_variable都不會創(chuàng)建新的變量，而是直接獲取已經(jīng)創(chuàng)建的變量。聲明3個同名變量，使用該屬性使用已定義過的變量。答案:ImporttensorflowastfWithtf.variable_scope('V1?):a1=tf.get_variable(name='a1',shape=[1],initializer=tf.constant_initializer(1))Withtf.variable_scope('V2?):a2=tf.get_variable(name='a1',shape=[1],initializer=tf.constant_initializer(1))Withtf.variable_scope('V2',reuse=True):a3=tf.get_variable('a1?)Withtf.Session()assess:sess.run(tf.global_variables_initializer())print()print()print()解析:[問答題]86.損失函數(shù)一般使用_______和_______答案:均方誤差|交叉熵解析:[問答題]87.簡述深度學習的發(fā)展歷程。答案:但深度學習的發(fā)展先后經(jīng)過起源階段、發(fā)展階段、和爆發(fā)階段。起源階段：1943年美國神經(jīng)生理學家沃倫·麥克洛奇和邏輯學家沃爾特·茨設計使用計算機來模擬神經(jīng)元，被稱為人工神經(jīng)元模型。發(fā)展階段：1986年，杰弗里·辛頓提出了一種適用于多層感知器的反向傳播算法--BP算法，解決了非線性分類問題。爆發(fā)階段：2016年，谷歌基于深度學習開發(fā)的AlphaGo以4:1的比分戰(zhàn)勝了國際頂尖圍棋高手李世石，深度學習再次掀起狂潮。解析:[問答題]88.畫出一個包含1個卷積層、兩個全連接層，進行圖片分類任務的CNN網(wǎng)絡答案:解析:[問答題]89.神經(jīng)網(wǎng)絡的特征由_______決定權重參數(shù)的值答案:數(shù)據(jù)解析:[問答題]90.編程：新建tf.train.Saver()對象，恢復模型，模型路徑為src/step3/save_dir1/store.ckpt。答案:ImporttensorflowastfImporttimeDefvariable_restore():const123=tf.Variable(([[2]]),name="jjdaren")sess=tf.Session()saver=tf.train.Saver()saver.restore(sess,"src/step3/save_dir1/store.ckpt")final_result=sess.run(const123)sess.close()returnfinal_result解析:[問答題]91.importtensorflowastfA=tf.constant(3,32)B=tf.constant(4,32)C=tf.constant(5,32)Y=tf.add(a*b,c)Withtf.Session()assess:print(sess.run(y))該程序的輸出值為______。答案:17；解析:[問答題]92.M-P神經(jīng)元模型具有模型清晰、結構簡單、_________等優(yōu)點。答案:計算量??；解析:[問答題]93.為什么神經(jīng)網(wǎng)絡的激活函數(shù)必須使用非線性函數(shù)？答案:因為使用線性函數(shù)的話，不管如何加深層數(shù)，總存在與之等效的?無隱藏層的神經(jīng)網(wǎng)絡?。為了發(fā)揮疊加層所帶來的優(yōu)勢，激活函數(shù)必須使用線性函數(shù)。解析:[問答題]94.編程：定義占位符input1和input2，利用占位符，啟動tensorflow圖，實現(xiàn)input1*input2，并將結果保存到變量result中。答案:Imp