人工智能深度學(xué)習(xí)技術(shù)練習(xí)(習(xí)題卷19)

試卷科目：人工智能深度學(xué)習(xí)技術(shù)練習(xí)人工智能深度學(xué)習(xí)技術(shù)練習(xí)(習(xí)題卷19)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages人工智能深度學(xué)習(xí)技術(shù)練習(xí)第1部分：單項選擇題，共47題，每題只有一個正確答案,多選或少選均不得分。[單選題]1.時間步說法正確的是A)部分前后B)特征數(shù)量不同C)每個時間步特征數(shù)量相同D)圖像中不存在時間步答案:C解析:[單選題]2.神經(jīng)網(wǎng)絡(luò)中激活函數(shù)是模仿什么機(jī)制處理（）。A)閾值B)區(qū)間C)階躍函數(shù)D)sigmoid函數(shù)答案:A解析:難易程度：易題型：[單選題]3.Tf.nn.dropout是TensorFlow里面為了防止或減輕過擬合而使用的函數(shù),它一般用在()A)卷積層B)全連接層C)池化層D)激活函數(shù)層答案:B解析:[單選題]4.下列有關(guān)卷積神經(jīng)網(wǎng)絡(luò)CNN和循環(huán)神經(jīng)網(wǎng)絡(luò)RNN的描述，錯誤的是()A)CNN與RNN都是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的擴(kuò)展。B)P差播法進(jìn)行訓(xùn)練。C)NN可以用于描述時間上連續(xù)狀態(tài)的輸出。有記憶功能。D)CNN與RNN不能組合使用答案:D解析:[單選題]5.關(guān)于空間,向量空間也稱為(),它是線性代數(shù)的中心內(nèi)容和基本概念之一A)線性空間B)內(nèi)積空間C)賦范空間D)希爾伯特空間答案:A解析:[單選題]6.在一個簡單的MLP模型中，輸入層有8個神經(jīng)元，隱藏層有5個神經(jīng)元，輸出層有1個神經(jīng)元。隱藏輸出層和輸入隱藏層之間的權(quán)重矩陣的大小是多少？（）A)[1X5]，[5X8]B)[8×5]，[1×5]C)[5×8]，[5×1]D)[5×1]，[8×5]答案:D解析:[單選題]7.在梯度下降的課程中，PPT圖片中的小人下山的路徑是什么顏色的（）。A)紅色B)藍(lán)色C)綠色D)橙色答案:C解析:難易程度：易題型：[單選題]8.()就是在不同的訓(xùn)練過程中隨機(jī)扔掉一部分神經(jīng)元。也就是讓某個神經(jīng)元的激活值以一定的概率p,讓其停止工作,這次訓(xùn)練過程中不更新權(quán)值,也不參加神經(jīng)網(wǎng)絡(luò)的計算。但是它的權(quán)重得保留下來(只是暫時不更新而已)A)conv2dB)max_poolC)DropoutD)FC答案:C解析:[單選題]9.以下選項,請選出可以實現(xiàn)tf幫助查詢的編程語句?A)importtensorflowastfPrint(help(tf))B)importtensorflowastfPrint(tf.help(tf))C)importtensorflowastfPrint(tf)D)importtensorflowastfPrint(tf.help())答案:A解析:[單選題]10.Keras中compile函數(shù)中，填寫的參數(shù)不可以是：A)優(yōu)化方式B)損失公式C)評估指標(biāo)D)數(shù)據(jù)答案:D解析:[單選題]11.將一個骰子的?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]12.關(guān)于循環(huán)神經(jīng)網(wǎng)絡(luò),哪個不是LSTM的門?A)輸入門B)遺忘門C)輸出門D)更新門答案:D解析:[單選題]13.占位符實質(zhì)上也是一種A)常量B)變量C)函數(shù)D)模型答案:B解析:[單選題]14.多層前饋網(wǎng)絡(luò)也稱為()A)BP網(wǎng)絡(luò)B)隱藏層網(wǎng)絡(luò)C)輸入層網(wǎng)絡(luò)D)輸出層網(wǎng)絡(luò)答案:A解析:[單選題]15.在a=tf.Variable([1,2,3]),b=tf.Variable([3,2,1]),經(jīng)過tf.multiply(a,B.后值為A)[3,4,3]B)10C)運(yùn)算不能進(jìn)行D)結(jié)果是矩陣答案:A解析:[單選題]16.相對于DNN模型，CNN模型做了哪些改變？A)局部連接、參數(shù)共享B)使用了relu激活函數(shù)C)使用了DropoutD)增加了batchnormalization答案:A解析:[單選題]17.不是隨機(jī)梯度下降的特點是:A)批量數(shù)值選取為1B)學(xué)習(xí)率逐漸減小C)可以達(dá)到最小值D)在最小值附近波動答案:C解析:[單選題]18.下列聲明哪些是正確的？聲明1：可以通過將所有權(quán)重初始化為0來訓(xùn)練網(wǎng)絡(luò)聲明2：可以通過將偏差初始化為0來訓(xùn)練網(wǎng)絡(luò)A)1和2都錯B)1和2都對C)1錯2對D)1對2錯答案:C解析:[單選題]19.keras中dataset中構(gòu)建批次的參數(shù)是A)mapB)filterC)shuffleD)batch答案:D解析:[單選題]20.當(dāng)你初始化一個預(yù)訓(xùn)練模型時，會自動下載權(quán)重到（）目錄下。A)~/models/B)~/.keras/models/C)~/.keras/D)~/keras/models/答案:B解析:[單選題]21.pytorch中批量歸一化使用的是A)nn.LinearB)nn.FlattenC)nn.DropoutD)nn.BatchNorm2d答案:D解析:[單選題]22.keras.layers.MaxPooling2D()方法中，pool_size參數(shù)的默認(rèn)值是（）A)0B)1C)2D)無默認(rèn)值答案:C解析:[單選題]23.能夠觀測張量值分布的直方圖隨訓(xùn)練步驟的變化趨勢的函數(shù)是：A)writer.add_graphB)writer.add_scalarC)writer.add_histogramD)writer.add_figure答案:C解析:[單選題]24.損失函數(shù)使用哪個值衡量（）。A)最大值B)平均值C)中間值D)均方誤差答案:D解析:難易程度：易題型：[單選題]25.pytorch中可視化模塊結(jié)構(gòu)是：A)writer.add_graphB)writer.add_scalarC)writer.add_histogramD)writer.add_figure答案:A解析:[單選題]26.于Python的全局變量和局部變量,以下選項中描述錯誤的是（）。A)局部變量指在函數(shù)內(nèi)部使用的變量,當(dāng)函數(shù)退出時,變量依然存在，下次函數(shù)調(diào)用可以繼續(xù)使用B)全局變量指在函數(shù)之外定義的變量,-般沒有縮進(jìn),在程序執(zhí)行全過程有效C)使用global保留字聲明簡單數(shù)據(jù)類型變量后,該變量作為全局變量使用D)簡單數(shù)據(jù)類型變量無論是否與全局變量重名,僅在函數(shù)內(nèi)部創(chuàng)建和使用,函數(shù)退出后變量被釋放答案:A解析:難易程度：易題型：[單選題]27.一般深度學(xué)習(xí)中，處理大量數(shù)據(jù)集，一般使用的下降方式是：A)批量梯度下降B)小批量梯度下降C)隨機(jī)梯度下降D)正規(guī)方程解答案:B解析:[單選題]28.以下哪個是長短期記憶網(wǎng)絡(luò)的縮寫A)LSTMB)GRUC)CNND)RNN答案:A解析:[單選題]29.生成1的數(shù)組命令，正確的是（）。A)np.one([4,6])B)np.zeros_like(ones)C)np.zeros([4,6])D)np.array([[1,2],[3,4]])答案:A解析:難易程度：易題型：[單選題]30.LSTM中,哪個門的作用是?確定輸出,把前面的信息保存到隱層中去??A)輸入門B)遺忘門C)輸出門D)更新門答案:C解析:[單選題]31.下面有關(guān)模型擬合的說法，正確的是A)模型在訓(xùn)練集上的表現(xiàn)好，在測試集上表現(xiàn)也好B)模型在訓(xùn)練集上的表現(xiàn)不好，在測試集上表現(xiàn)也不好C)模型在訓(xùn)練集上的表現(xiàn)好，在測試集上表現(xiàn)不好D)模型在訓(xùn)練集上的表現(xiàn)不好，在測試集上表現(xiàn)好答案:C解析:模型在訓(xùn)練集上的表現(xiàn)好，在測試集上表現(xiàn)不好[單選題]32.想象一下，你有一個28x28的圖片，并使用輸入深度為3和輸出深度為8在上面運(yùn)行一個3x3的卷積神經(jīng)網(wǎng)絡(luò)。注意，步幅padding是1，你正在使用相同的填充（padding）。當(dāng)使用給定的參數(shù)時，輸出特征圖的尺寸是多少？A)28寬、28高、8深B)13寬、13高、8深C)28寬、13高、8深D)13寬、28高、8深答案:A解析:[單選題]33.tf.transpose常用的情景為A)獨(dú)熱編碼B)數(shù)據(jù)勤奮C)邏輯回歸D)圖片處理答案:D解析:[單選題]34.下面能夠?qū)崿F(xiàn)激活函數(shù)操作的語句是:A)h_conv1=tf.nn.relu(conv_ret1)B)h_conv1=tf.nn.dropout(conv_ret1)C)h_conv1=tf.nn.lrn(conv_ret1)D)h_conv1=tf.nn.l2_loss(conv_ret1)答案:A解析:[單選題]35.VanishingGradientProblem問題是(),這個問題是在神經(jīng)網(wǎng)絡(luò)框架設(shè)計中經(jīng)常出現(xiàn)的問題,例如隱藏層設(shè)計過多而導(dǎo)致的。A)梯度消失問題B)卷積C)池化D)全連接答案:A解析:[單選題]36.神經(jīng)網(wǎng)絡(luò)中神經(jīng)元的說法正確的是（）A)一個神經(jīng)元有多個輸入輸出B)一個神經(jīng)元有多個輸入和一個輸出C)一個神經(jīng)元有一個輸入和多個輸出D)以上都正確答案:D解析:難易程度：易題型：[單選題]37.optimizer.step()A)計算步數(shù)B)返回當(dāng)前迭代代價值C)更新權(quán)重D)計算準(zhǔn)確率答案:C解析:[單選題]38.Python機(jī)器學(xué)習(xí)方向的第三方庫是（）。A)requesisB)TensorFlowC)scipyD)pandas答案:B解析:難易程度：易題型：[單選題]39.計算機(jī)界,被稱為計算機(jī)科學(xué)之父,人工智能之父是A)圖靈B)馮-諾依曼C)維納D)牛頓答案:A解析:[單選題]40.飛槳框架調(diào)用顯卡計算資源的命令（）。A)paddle.set_device(?B)paddle.set_device(?C)paddle.set_device(?D)paddle.set_device(?答案:A解析:難易程度：易題型：[單選題]41.Dropout包括在訓(xùn)練中每次更新時，將輸入單元的按比率隨機(jī)設(shè)置為0，這有助于防止()。A)噪聲B)欠擬合C)過擬合D)漂移答案:C解析:Dropout包括在訓(xùn)練中每次更新時，將輸入單元的按比率隨機(jī)設(shè)置為0，這有助于防止過擬合。[單選題]42.np.uint8是什么數(shù)據(jù)類型（）。A)一個字節(jié)大小，-128至127B)無符號整數(shù)，0至255C)布爾類型D)python對象答案:B解析:難易程度：易題型：[單選題]43.下列隨機(jī)序列中[1,3,1.1,2,3.1,1.9]中,可能是A)均勻分布B)正態(tài)分布C)不能確定D)非隨機(jī)答案:A解析:[單選題]44.keras中dataset中映射元素的參數(shù)是A)mapB)filterC)shuffleD)batch答案:A解析:[單選題]45.本學(xué)期的《Python深度學(xué)習(xí)應(yīng)用》任課老師在第幾周介紹Anaconda軟件（）。A)1B)2C)3D)4答案:A解析:難易程度：易題型：[單選題]46.非常經(jīng)典的LeNet-5神經(jīng)網(wǎng)絡(luò)其FC層處理完成以后,輸出的結(jié)果會再經(jīng)過那一個激活函數(shù)輸出()?A)RelUB)sigmoidC)tanhD)sin答案:B解析:[單選題]47.簡單來說,Siamesenetwork就是?連體的神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的?連體?是通過()來實現(xiàn)的A)獨(dú)有權(quán)值B)最大權(quán)值C)共享權(quán)值D)最小權(quán)值答案:C解析:第2部分：多項選擇題，共15題，每題至少兩個正確答案,多選或少選均不得分。[多選題]48.通常所用的函數(shù),可以描述為?A)一個集合B)一個映射C)一個概率空間D)一個線性空間答案:AB解析:[多選題]49.以下哪些屬于獨(dú)熱編碼?A)[0,1,0,0]B)[0,1,1,0]C)[1,0,0,0]D)[0,0,0,1]答案:ACD解析:[多選題]50.關(guān)于LeNet深度神經(jīng)網(wǎng)絡(luò)的構(gòu)成,它的組成描述是A)卷積層B)激活函數(shù)C)池化層D)全連接層答案:ABCD解析:[多選題]51.keras中fit函數(shù)的參數(shù)有A)dataB)labelsC)epochsD)batch_size答案:ABCD解析:[多選題]52.在卷積神經(jīng)網(wǎng)絡(luò)中,隨機(jī)生成的卷積核后:A)個別一些卷積核對特征提取幾乎無貢獻(xiàn)B)每個卷積核對特定特征進(jìn)行提取C)有信號共振的原理D)特征最后形成編碼,送入全連接網(wǎng)絡(luò)答案:ABCD解析:[多選題]53.以下可以連續(xù)求導(dǎo)的幾乎函數(shù)有A)reluB)sigmoidC)tanhD)dropout答案:BC解析:[多選題]54.程序語句tf.nn.dropout(x,keep_prob,noise_shape=None,seed=None,name=None)正確的描述為?A)第一個參數(shù)x:指輸入。train的時候才是dropout起作用的時候B)第二個參數(shù)keep_prob:設(shè)置神經(jīng)元被選中的概率,在初始化時keep_prob是一個占位符C)noise_shape:干擾形狀。此字段默認(rèn)是None,表示第一個元素的操作都是獨(dú)立D)第五個參數(shù)name:指定該操作的名字答案:ABCD解析:[多選題]55.GoogLeNet摒棄了()等傳統(tǒng)著名網(wǎng)絡(luò)的?一條線?架構(gòu)。升級版為InceptionA)GoogLeNetB)VGGC)ResNetD)AlexNet答案:BD解析:[多選題]56.以下和交叉熵相關(guān)的損失函數(shù)有：A)mseB)binary_crossentropyC)categorical_crossentropyD)sparse_categorical_crossentropy答案:BCD解析:[多選題]57.()模型是2014年ILSVRC競賽的第二名,第一名是()。但是VGG模型在多個遷移學(xué)習(xí)任務(wù)中的表現(xiàn)要優(yōu)于googLeNetA)VGGB)GoogLeNetC)ResNetD)AlexNet答案:AB解析:[多選題]58.語句t=tf.ones_like(a)的幾個意義是A)將t節(jié)點內(nèi)容用a替換B)t節(jié)點對應(yīng)張量維度和A相同C)t對應(yīng)張量值為1D)a需要預(yù)先初始化答案:BCD解析:[多選題]59.圖像歸一化就是通過一系列變換（即利用圖像的不變矩尋找一組參數(shù)使其能夠消除其他變換函數(shù)對圖像變換的影響），將待處理的原始圖像轉(zhuǎn)換成相應(yīng)的唯一標(biāo)準(zhǔn)形式(該標(biāo)準(zhǔn)形式圖像對（）等仿射變換具有不變特性。A)平移B)噪聲C)旋轉(zhuǎn)D)縮放答案:ACD解析:圖像歸一化就是通過一系列變換（即利用圖像的不變矩尋找一組參數(shù)使其能夠消除其他變換函數(shù)對圖像變換的影響），將待處理的原始圖像轉(zhuǎn)換成相應(yīng)的唯一標(biāo)準(zhǔn)形式(該標(biāo)準(zhǔn)形式圖像對平移、旋轉(zhuǎn)、縮放等仿射變換具有不變特性。[多選題]60.遷移學(xué)習(xí)是一種機(jī)器學(xué)習(xí)的方法,包含以下兩種開發(fā)方法?A)開發(fā)模型的方法B)預(yù)訓(xùn)練模型的方法C)數(shù)據(jù)清洗D)似然變換答案:AB解析:[多選題]61.創(chuàng)建模型的三種方式是：A)SequentialB)函數(shù)式API創(chuàng)建任意結(jié)構(gòu)模型C)Model子類化創(chuàng)建自定義模型D)自定義函數(shù)答案:ABC解析:[多選題]62.比較適合循環(huán)神經(jīng)網(wǎng)絡(luò)的應(yīng)用有哪些?A)視頻行為識別B)實體名字識別C)語音識別D)機(jī)器翻譯答案: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.Keras知識tensorflow的一個接口A)正確B)錯誤答案:錯解析:[判斷題]64.如果需要對模型的參數(shù)(一般非標(biāo)量)在訓(xùn)練過程中的變化進(jìn)行可視化，可以使用writer.add_histogramA)正確B)錯誤答案:對解析:[判斷題]65.增加卷積核的尺寸，一定能提高卷積神經(jīng)網(wǎng)絡(luò)的性能()A)正確B)錯誤答案:錯解析:[判斷題]66.如果多分類的y_pred經(jīng)過了nn.LogSoftmax激活，可以使用nn.NLLLoss損失函數(shù)A)正確B)錯誤答案:對解析:[判斷題]67.VGG16有16個卷積層A)正確B)錯誤答案:錯解析:[判斷題]68.鞍點是多維空間中函數(shù)的最優(yōu)解A)正確B)錯誤答案:錯解析:[判斷題]69.Sigmoid激活函數(shù)在神經(jīng)網(wǎng)絡(luò)中引入了非線性。A)正確B)錯誤答案:對解析:[判斷題]70.Keras是tensorflow2.0引入的接口A)正確B)錯誤答案:錯解析:[判斷題]71.對于函數(shù)tf.reshape函數(shù)用于對張量變形。A)正確B)錯誤答案:對解析:[判斷題]72.正向傳播就是模型預(yù)測的過程A)正確B)錯誤答案:對解析:[判斷題]73.距離的大小程度,是一個標(biāo)量。A)正確B)錯誤答案:對解析:[判斷題]74.如果對多元數(shù)量函數(shù)求梯度,結(jié)果是個向量。A)正確B)錯誤答案:對解析:[判斷題]75.Tf中,tf.assign_add,也是賦值語句。A)正確B)錯誤答案:對解析:[判斷題]76.Frobenius范數(shù)不是一種矩陣范數(shù)A)正確B)錯誤答案:錯解析:[判斷題]77.行為主義是研究低等生命,如昆蟲智慧的甲肢。A)正確B)錯誤答案:對解析:[判斷題]78.優(yōu)化算法減小學(xué)習(xí)率是為了減少迭代次數(shù)A)正確B)錯誤答案:錯解析:[判斷題]79.時間步是序列模型處理的基礎(chǔ)單元A)正確B)錯誤答案:對解析:[判斷題]80.通過池化操作,必須保證特征損失不能太大。A)正確B)錯誤答案:對解析:[判斷題]81.人工智能的近期目標(biāo)是探討智能形成的基本機(jī)理，研究利用自動機(jī)模擬人的思維過程。A)正確B)錯誤答案:錯解析:第4部分：問答題，共19題，請在空白處填寫正確答案。[問答題]82.tf.nn.conv2d(input,filter,strides=[1,1,1,1],padding="VALID")，該卷積函數(shù)中步長為_____。答案:1；解析:[問答題]83.tensorflow中，用________函數(shù)返回一個大于或等于參數(shù)的最小整數(shù)。答案:Ceil()；解析:[問答題]84.保存模型后會在當(dāng)前目錄的model文件夾下會產(chǎn)生四個文件，簡述每個文件的作用。答案:Checkpoint：包含所有權(quán)重（weights），偏置（biases），梯度（gradients）和所有其他保存的變量（variables）的二進(jìn)制文件。Datafile：保存了模型的所有變量的值。Metafile：保存了graph結(jié)構(gòu)，當(dāng)存在metafile，可以不在文件中定義模型，也可以運(yùn)行。Indexfile：一個string-stringtable，table的key值為tensor名，value為BundleEntryProto。解析:[問答題]85.什么是dropout操作？答案:在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中,對于神經(jīng)單元按一定的概率將其隨機(jī)從網(wǎng)絡(luò)中丟棄,從而達(dá)到對于每輪都是在訓(xùn)練不同網(wǎng)絡(luò)的效果,防止過擬合。解析:[問答題]86.隨著句子的長度越來越多，神經(jīng)翻譯機(jī)器將句意表征為固定維度向量的過程將愈加困難，為了解決這類問題，下面哪項是我們可以采用的?BA)使用遞歸單元代替循環(huán)單元B)使用注意力機(jī)制(attentionmechanism)C使用字符級別翻譯(characterleveltranslation)D所有選項均不對答案:B解析:[問答題]87.在CNN，擁有最大池總是減少參數(shù)?BA)對B)錯答案:B解析:[問答題]88.Dropout率和正則化有什么關(guān)系?()提示:我們定義Dropout率為保留一個神經(jīng)元為激活狀態(tài)的概率A)Dropout率越高，正則化程度低B)Dropout率越高，正則化程度越高答案:A解析:[問答題]89.編程：定義sum函數(shù)，參數(shù)a是Variable，參數(shù)b是constant，記value為b的值，計算從1+..+value的值，并將其結(jié)果存儲在a節(jié)點中。答案:importtensorflowastfDefsum(a,b):tf.assign(a,tf.constant(0)).eval()i=1whilei<=b.eval():tf.assign_add(a,tf.constant(i)).eval()i=i+1解析:[問答題]90.簡述L1正則化和L2正則化的計算方法。答案:L1正則化為所有學(xué)習(xí)參數(shù)W的絕對值和，L2正則化為所有學(xué)習(xí)參數(shù)w的平方和讓后求平方根解析:[問答題]91.簡述tf.get_variable函數(shù)的變量檢查機(jī)制。答案:Tf.get_variable函數(shù)擁有一個變量檢查機(jī)制，會檢測已經(jīng)存在的變量是否設(shè)置為共享變量，如果已經(jīng)存在的變量設(shè)置為共享變量，TensorFlow運(yùn)行到第二個擁有相同名字的變量的時候就會報錯。解析:[問答題]92.使用Opencv讀取灰度圖像并顯示的代碼如下，請補(bǔ)充完整。importcv2importnumpyasnpimg=cv2.imread("./cat.png")grayImg=cv2.cvtColor(img,____________)cv2.________("GrayImage",grayImg)答案:COLOR_BGR2GRAY|imshow解析:使用Opencv讀取灰度圖像并顯示的代碼如下，請補(bǔ)充完整。importcv2im