人工智能深度学习技术练习(习题卷5)

试卷科目：人工智能深度学习技术练习人工智能深度学习技术练习(习题卷5)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages人工智能深度学习技术练习第1部分：单项选择题，共132题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.云服务器（CloudVirtualMachine，CVM）为您提供安全可靠的弹性计算服务。CVM支持按（）的资源计费，可以为您节约计算成本。A)免费B)开源C)实际使用D)定期收费答案:C解析:云服务器（CloudVirtualMachine，CVM）为您提供安全可靠的弹性计算服务。只需几分钟，您就可以在云端获取和启用CVM，用于实现您的计算需求。随着业务需求的变化，您可以实时扩展或缩减计算资源。CVM支持按实际使用的资源计费，可以为您节约计算成本。[单选题]2.本学期的《Python深度学习应用》任课老师在第几周介绍Anaconda软件（）。A)1B)2C)3D)4答案:A解析:难易程度：易题型：[单选题]3.程序设计中,tf.argmax返回了最大的那个数值的()或下标后,接下来通常使用tf.equal()进行逻辑判断A)上标B)索引号C)坐标D)内积答案:B解析:[单选题]4.Sigmoid函数会把输入的数值映射到（）区间内。A)[-1,0]B)[-1,1]C)[0,1]D)以上都不对答案:C解析:[单选题]5.假设输入数据有16个通道。每个通道的大小为64x64,经过一层大小为3x3卷积之后,输出2个通道每个通道的大小为64x64。则这一个卷积层含有(C)个可学习的参数(不包括偏差)。A)3x3。B)16x3x3。C)16x3x3x2D)64x16x3x3x2答案:C解析:[单选题]6.importtensorflowastfS=tf.constant([1,2,3,4,6,1,2,3],dtype=tf.float32,name=?s?)S1=tf.reshape(s,(2,4))Withtf.Session()assess:Sess.run(tf.global_variables_initializer())Print(sess.run(s1))该程序输出结果为A)[3,6]B)[[1,2,3,4],[6,1,2,3]]C)[3]D)[6]答案:B解析:[单选题]7.Back-propagationthroughtime算法是常用的训练RNN的方法,其实本质还是()A)前向算法B)BP算法C)回归算法D)LSTM算法答案:B解析:[单选题]8.交叉熵损失函数用来处理（）问题A)分类B)预测C)过拟合D)以上都不对答案:A解析:[单选题]9.优化算法减小学习率的原因是:A)一种默认定式B)减少内存容量C)避免在最优解附近大幅度摆动D)减少迭代次数答案:C解析:[单选题]10.Keras优化器的公共参数clipnorm和clipvalue能在所有的优化器中使用，用于控制（）A)模型压缩B)变量缩减C)梯度裁剪D)尺度变换答案:C解析:[单选题]11.Tf.add(a,b)函数的作用是?A)除法B)加法操作C)减法操作D)乘法操作答案:B解析:[单选题]12.一个复数或实数向量空间加上长度概念,就是范数也可以称为()A)赋范向量空间B)内积空间C)矢量空间D)希尔伯特空间答案:A解析:[单选题]13.程序语句max_pool(conv2,[1,3,3,1],strides=[1,1,1,1],padding="SAME")那么这个语句中,体现的池化窗口尺寸为多少?A)1*1B)3*3C)1*3D)3*1答案:B解析:[单选题]14.自顶向下设计主要由下列哪个语法元素实现？（）。A)面向对象B)函数C)循环结构D)过程答案:B解析:难易程度：易题型：[单选题]15.c=tf.constant([3,2.0,5],[1,6,0],[9,0,0]])，print(c.get_shape)，该程序输出结果为A)(1,9)B)(2,3)C)(0)D)(3,3)答案:D解析:[单选题]16.手写字识别模型中，输入层的节点个数为（）A)28B)784C)1024D)576答案:B解析:[单选题]17.根据以下代码，选择z的输出结果A=tf.constant([1,2,3],[4,5,6])Z=tf.reduce_sum(a)A)21B)[5,7,9]C)[6,15]D)以上都不正确答案:A解析:[单选题]18.一个32X32大小的图像,通过步长为2,尺寸为2X2的池化运算后,尺寸变为A)14X14B)2X2C)28X28D)16X16答案:D解析:[单选题]19.随机失活函数说法错误的是A)属于正则处理B)属于激活函数C)失活神经无法激活D)dropout为函数名称答案:C解析:[单选题]20.对于一个图像识别问题(在一张照片里找出一只猫)，下面哪种神经网络可以更好地解决这个问题？A)循环神经网络B)感知机C)多层感知机D)卷积神经网络答案:D解析:[单选题]21.为节省神经网络模型的训练时间，神经网络模型的权重和偏移参数一般初始化为A)0.5B)1C)随机值D)0答案:C解析:[单选题]22.IDLE退出环境的命令是（）。A)exit（）B)回车C)close（）D)esc（）答案:A解析:难易程度：易题型：[单选题]23.基础的神经网络只在层与层之间建立了权连接,RNN最大的不同之处就是在层之间的神经元之间也建立的()A)权连接B)层连接C)前馈连接D)反馈连接答案:A解析:[单选题]24.keras中dataset中过滤某些样本的参数是A)mapB)filterC)shuffleD)batch答案:B解析:[单选题]25.下面哪个命令是Linux下?更改文件权限?命令？A)chmodu+xB)rm-frdirC)passwdD)cp-Rdir答案:A解析:chmodu+x：更改文件权限[单选题]26.Sin(sinx)的导数是A)cosx(cos(sinx))B)cos(cosx)C)cos(sinx)D)sin(cosx)答案:A解析:[单选题]27.在TF框架中,激活函数tf.nn.relu的作用是?A)用于卷积后数据B)用于卷积核C)用于步长D)不能用到全连接层答案:A解析:[单选题]28.KNN算法是基于A)线性空间B)距离空间C)概率空间D)颜色空间答案:B解析:[单选题]29.可以帮助提取图像特征的层是：A)卷积层B)池化层C)全连接层D)激活层答案:A解析:[单选题]30.Keras中compile函数中，填写的参数不可以是：A)优化方式B)损失公式C)评估指标D)数据答案:D解析:[单选题]31.pytorch中，LSTM中神经元数量设定的参数为A)input_sizeB)batch_firstC)biasD)hidden_size答案:D解析:[单选题]32.Tf.div(a,b)函数的作用是?A)除法B)加法操作C)减法操作D)乘法操作答案:A解析:[单选题]33.激活函数Sigmoid的值域范围是在()之间A)0~1B)0~2C)-1~0D)-1~1答案:A解析:[单选题]34.当在卷积神经网络中加入池化层(poolinglayer)时，变换的不变性会被保留，是吗？A)不知道B)看情况C)是D)否答案:C解析:[单选题]35.torch.nn.Conv2d中输入通道的参数为A)strideB)kerner_sizeC)in_channelsD)out_channels答案:C解析:[单选题]36.深度网络中，不能用于初始化权重的函数是A)random.normal()B)random.truncated_normal()C)zerosD)random.randn答案:C解析:[单选题]37.语句myShape.move(10,20)的执行结果为（）。A)将myShape移动到点（10,20）B)将myShape右移动10的像素C)将myShape向下移动20个像素D)将myShape先向右移动10个像素再向下移动20个像素答案:A解析:难易程度：易题型：[单选题]38.如果我的图片尺寸为150x150，并且在其上使用了3x3的卷积，那么生成的图片是什么尺寸?A)153x153B)450x450C)148x148D)150x150答案:C解析:[单选题]39.局部响应归一化即(),LRN一般是在激活、池化后进行的一中处理方法A)本区域B)localresponsenormalizationC)BP算法D)池化答案:B解析:[单选题]40.一段彩色数字视频，时长为1分钟，视频分辨率为1024*768，帧率为25帧/秒，请问在计算机中存储需要多少空间？A)2.48GBB)128MBC)42GBD)3.28MB答案:D解析:[单选题]41.重复试验的贝努力实验是基于:A)二项式分布B)高斯分布C)均匀分布D)0-1分布答案:D解析:[单选题]42.在构建一个神经网络时，batchsize通常会选择2的次方，比如256和512。这是为什么呢？A)当内存使用最优时这可以方便神经网络并行化B)当用偶数是梯度下降优化效果最好C)这些原因都不对D)当不用偶数时，损失值会很奇怪答案:A解析:[单选题]43.特征归一化的目的（）。A)方便计算B)设置不同的步长C)学习率可以设置成统一的值D)以上都不对答案:C解析:难易程度：易题型：[单选题]44.Dropout功能是用于（）过程，在（）过程中不适用.A)训练，训练B)训练，测试C)测试，训练D)测试，训练答案:B解析:[单选题]45.以下不是tensorflow2.0相对1.0的优势是：A)无需运行会话B)无序占位符C)不需要使用梯度优化D)自动求微分答案:C解析:[单选题]46.飞桨框架cpu版本的下载命令是（）。A)pythonB)pythonC)pythonD)python答案:A解析:难易程度：易题型：[单选题]47.pad_sequences的作用是A)独热处理B)embedding处理C)模型代价函数D)使用0补全时间步答案:D解析:[单选题]48.Tf.truncated_normal(shape,mean,stddev):shape表示生成张量的维度,mean是均值,stddev是标准差。这个函数产生()分布,均值和标准差自己设定A)凸集B)凹集C)正态D)负态答案:C解析:[单选题]49.将一个骰子的?2?修改成?1?,那么掷这个骰子得信息熵会。A)增大B)减少C)不变D)不确定答案:B解析:[单选题]50.DataLoader中num_workers的作用是A)批次大小B)是否乱序C)使用多进程读取数据，设置的进程数。D)是否丢弃最后一个样本数量不足batch_size批次数据。答案:C解析:[单选题]51.TensorFlow、Keras框架为机器学习ML和()提供了灵活的数值计算核心A)MLB)算法重构C)NPLD)深度学习答案:D解析:[单选题]52.以下选项中,对文件的描述错误的是（）。A)文件是一个存储在辅助存储器上的数据序列B)文件中可以包含任何数据内容C)文本文件和二进制文件都是文件D)文本文件不能用二进制文件方式读入答案:D解析:难易程度：易题型：[单选题]53.（）是正则化的一种形式，它在训练中起着重要作用，因此需要适当设定A)学习率B)动量C)权重衰减D)批量大小答案:C解析:[单选题]54.什么是卷积?A)缩小图像的技术B)放大图像的技术C)隔离图像特征的技术D)过滤掉不需要的图像的技术答案:C解析:[单选题]55.输入图片大小为200x200，依次经过一层卷积(kernelsize5x5，padding1，stride2)，pooling(kernelsize3x3paddingostride1)，又一层卷积(kernelsize3x3padding1，stride1)之后，输出特征图大小为CA)95B)96C)97D)98答案:C解析:[单选题]56.如果您的训练数据的准确性接近1.000，但您的验证数据不是，那么这会有什么风险?A)那你过拟合了训练数据B)没风险，这是一个很好的结果C)你欠拟合了验证数据D)你过拟合了验证数据答案:A解析:[单选题]57.可以解决梯度消失的cnn模型时A)alexnetB)lenetC)resnetD)Inception答案:C解析:[单选题]58.梯度提升树属于（）模型。A)概率模型B)集成模型C)距离模型D)神经网络模型答案:B解析:难易程度：中题型：[单选题]59.tensorflow.keras使用类创建模型时，正向传播函数是A)fitB)initC)buildD)call答案:D解析:[单选题]60.以下哪些是通用逼近器?A)KernelSVMB)NeuralNetworksC)BoostedDecisionTreesD)以上所有答案:D解析:[单选题]61.全连接神经网络,如果输入层为32X4矩阵,那么与它相连的第一级参数矩阵最有可能为哪一种?否则无法矩阵运算。A)4X5矩阵B)32X4矩阵C)32X32矩阵D)任意尺寸矩阵答案:A解析:[单选题]62.计算图下列书法正确的是：A)动态计算图运行效率相对较B)静态图运行效率较低C)动态图调试效果好D)静态图调试效果差答案:A解析:A选项少部分内容[单选题]63.要构建数学模型,需要经历测量、()、逐渐逼近、多次循环迭代过程。A)比较B)校准C)回归D)监督答案:A解析:[单选题]64.在tf.assign(a,B.的意义是:A)将b节点变量赋值给a节点变量B)将a节点变量赋值给b节点变量C)a=bD)b=a答案:A解析:[单选题]65.风格迁移这一想法与()生成的想法密切相关A)黑帽B)纹理C)池化D)开运算答案:B解析:[单选题]66.负矩阵用那种形式表示（）。A)OB)AC)-AD)AT答案:C解析:难易程度：易题型：[单选题]67.数组类型修改的命令正确的是（）。A)ndarray.TB)ndarray.resize()C)ndarray.astype()D)ndarray.reshape()答案:C解析:难易程度：易题型：[单选题]68.以下tf函数中,不能实现卷积运算的是A)tf.nn.conv2dB)tf.nn.depthwise_conv2dC)tf.nn.convolutionD)tf.random_normal答案:D解析:[单选题]69.与信息隐蔽的概念直接相关的概念是（）。A)模块耦合度B)软件结构定义C)模块独立性D)模块类型划分答案:C解析:难易程度：易题型：[单选题]70.面向对象编程类的定义,课堂上最开始使用那个名词来定义类（）A)DogB)CatC)FishD)Room答案:A解析:难易程度：易题型：[单选题]71.机器学习(MachineLearning,ML)，是（）的核心，属于人工智能的一个分支。A)人工智能B)深度学习C)强化学习D)监督学习答案:A解析:机器学习(MachineLearning,ML)，是人工智能的核心，属于人工智能的一个分支。[单选题]72.构建Dropout(0.4),表示？A)40%的神经元不工作B)60%的神经元不工作C)100%的神经元不工作D)所有神经元都工作答案:A解析:[单选题]73.构建一个神经网络，将前一层的输出和它自身作为输入。下列哪一种架构有反馈连接？A)循环神经网络B)卷积神经网络C)限制玻尔兹曼机D)都不是答案:A解析:[单选题]74.神经风格迁移是指将()图像的风格应用于目标图像,同时保留目标图像的内容。A)参考B)卷积C)池化D)腐蚀答案:A解析:[单选题]75.提出跃迁思想的网络模型是A)lenetB)alexnetC)resnetD)inception答案:C解析:[单选题]76.DataLoader中shuffle的作用是A)批次大小B)是否乱序（数据洗牌）C)使用多进程读取数据，设置的进程数。D)是否丢弃最后一个样本数量不足batch_size批次数据。答案:B解析:[单选题]77.内积空间由()抽象而来A)赋范空间B)矢量空间C)度量空间D)欧几里得空间答案:D解析:[单选题]78.用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存，这样可以有（）级灰度。A)255B)256C)8D)1024答案:B解析:用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存，这样可以有256级灰度。[单选题]79.下列选项中,()模型一共分为八层,5个卷积层,3个全连接层A)LeNetB)AlexNetC)VGGD)ResNet答案:B解析:[单选题]80.在tensorflow框架编程中,全局变量初始化函数执行后是完成了()变量的初始化操作A)局部B)最小C)全局D)最大答案:C解析:[单选题]81.以下属于随机梯度下降函数的是（）A)tf.train.GradientDescentOptimizerB)tf.train.AdagradOptimizerC)tf.train.AdamOptimizerD)以上都不是答案:A解析:[单选题]82.哪个算法同一层使用不同的卷积核尺寸进行计算A)LeNetB)AlexNetC)ResNetD)Inception答案:D解析:[单选题]83.多层神经网络中使用全连接层的目的是?A)滤波B)One-hot处理C)用于特征提取D)用于分类答案:D解析:[单选题]84.手写数字的神经网络训练时，没有训练下列哪个参数（）。A)学习速率B)循环次数C)隐藏节点D)隐藏节点与学习速率答案:D解析:难易程度：易题型：[单选题]85.1950年代:FrankRosenblatt基于神经网络的概念,开发出(),由此掀起神经网络研究的第一次浪潮A)计算机B)感知机C)CPUD)GPU答案:B解析:[单选题]86.复合函数h(f(g(x)))对x的导数是:A)(h对f的导数)乘(f对g的导数)乘(g对x的导数)B)h对x的导数C)h对f的导数D)h对g的导数答案:A解析:[单选题]87.LeNet采用的卷积核大小是：A)1*1B)3*3C)5*5D)11*11答案:C解析:[单选题]88.情感分类属于哪一类问题?A)多个输入多个输出B)一个输入多个输出C)一个输入一个输出D)多个输入一个输出答案:D解析:[单选题]89.使用skimage库中的函数读取一副图像，使用下面哪个函数？A)skimage.io.read(path)B)skimage.io.imread(path)C)skimage.io.image(path)D)skimage.imread(path)答案:B解析:fromskimageimportdata_dirimg2=io.imread(data_dir+'/lena.png')[单选题]90.关于CSW文件的描述,以下选项中错误的是（）。A)CSV文件通过多种编码表示字符B)CSV文件格式是种通用的相对简单的文件格式,应用于程序之间转移装格数据C)CSV文件的每行是一D)整个CSV文件是一个二维数据答案:A解析:难易程度：易题型：[单选题]91.下列有关卷积神经网络CNN和循环神经网络RNN的描述，错误的是()A)CNN与RNN都是传统神经网络的扩展。B)P差播法进行训练。C)NN可以用于描述时间上连续状态的输出。有记忆功能。D)CNN与RNN不能组合使用答案:D解析:[单选题]92.相对于DNN模型，CNN模型做了哪些改变？A)局部连接、参数共享B)使用了relu激活函数C)使用了DropoutD)增加了batchnormalization答案:A解析:[单选题]93.()对于人工神经网络模型去学习、理解非常复杂和非线性的函数来说具有十分重要的作用A)激活函数B)卷积C)池化D)全连接答案:A解析:[单选题]94.model.fit()函数中，没有哪一项参数A)数据B)标签C)迭代次数D)学习率设置答案:D解析:[单选题]95.面向对象编程的课程中，老师使用什么家电设备作为例子类比封装的特点（）A)洗衣机B)电视机C)空调D)冰箱答案:A解析:难易程度：易题型：[单选题]96.使用BP算法的目的是()实际输出与训练集误差率。A)最大化B)最小化C)均值化D)范数化答案:B解析:[单选题]97.LeNet-5神经网络是YannLeCun在1998年设计的用于手写数字识别的卷积神经网络,当年美国大多数银行就是用它来识别()上面的手写数字的,它是早期卷积神经网络中最有代表性的实验系统之一A)支票B)钱币C)人脸D)汽车答案:A解析:[单选题]98.X的值是False,tf.cast(x,tf.float32)的结果是A)0.0B)FalseC)1.0D)True答案:A解析:[单选题]99.BP是backpropagation的所写,是()传播的意思A)反向B)前向C)前后向D)全连接答案:A解析:[单选题]100.以下属于回归分析的损失函数的是（）A)交叉熵B)均方误差C)绝对值差D)求和答案:B解析:[单选题]101.以下哪个余弦相似度值接近1?A)法国和意大利B)球和鳄鱼C)体育和动物D)法国和足球答案:A解析:[单选题]102.x=tf.constant([[2.0,3.0],[1.0,0.0]])Withtf.Session()assess:print(sess.run(tf.contrib.layers.l1_regurizer(.5)(x)))该程序的输出值为（）A)3.0B)2.5C)0.0D)6.0答案:A解析:[单选题]103.在优化算法中,学习率会:A)保持不变B)持续减小C)持续增大D)不变答案:B解析:[单选题]104.下图是一个利用sigmoid函数作为激活函数的含四个隐藏层的神经网络训练的梯度下降图。这个神经网络遇到了梯度消失的问题。下面哪个叙述是正确的?A)第一隐藏层对应D，第二隐藏层对应C，第三隐藏层对应B，第四隐藏层对应AB)第隐藏层对，第二隐藏层对应C，第三隐藏层对应B，第四隐藏层对应DC)第一隐藏层对应A，第二隐藏层对应B，第三隐藏层对应C，第四隐藏层对应DD)隐对应D，第隐藏层对应C，第四隐藏层对应A答案:A解析:[单选题]105.JSON数据饿格式与下面哪种相似（）。A)列表B)数组C)字典D)字符串答案:C解析:难易程度：易题型：[单选题]106.Inceptionv2的亮点之一加入了BN层,减少了InternalCovariateShift(内部neuron的数据分布发生变化),使每一层的输出都规范化到一个N(0,1)的高斯,从而增加了模型的(),可以以更大的学习速率训练,收敛更快,初始化操作更加随意,同时作为一种正则化技术,可以减少dropout层的使用。A)范数B)准确度C)过拟和D)鲁棒性答案:D解析:[单选题]107.一类包含卷积或相关计算且具有深度结构的前馈神经网络(FeedforwardNeuralNetworks)也称为()A)机器学习B)数据挖掘C)CNN卷积神经网络D)MATLAB答案:C解析:[单选题]108.#dropoutintheinputlayerwithweightconstraintdefcreate_model():#createmodelmodel=Sequential()A：model.add(Dropout(0.2,input_shape=(60,)))B：Dropout(0.2,input_shape=(60,))model.add(Dense(60,kernel_initializer='normal',activation='relu',kernel_constraint=maxnorm(3)))C：model.add(Dropout(0.2,input_shape=(60,)))D：Dropout(0.2,input_shape=(60,))model.add(Dense(30,kernel_initializer='normal',activation='relu',kernel_constraint=maxnorm(3)))model.add(Dense(1,kernel_initializer='normal',activation='sigmoid'))#Compilemodelsgd=SGD(lr=0.1,momentum=0.9,decay=0.0,nesterov=False)pile(loss='binary_crossentropy',optimizer=sgd,metrics=['accuracy'])returnmodel上面代码中，向模型的第一个隐藏层添加Dropout功能，请问上面哪个代码是插入正确的？A)model.add(Dropout(0.2,input_shape=(60,)))B)Dropout(0.2,input_shape=(60,))C)model.add(Dropout(0.2,input_shape=(60,)))D)Dropout(0.2,input_shape=(60,))答案:C解析:[单选题]109.梯度问题是指在训练深度神经网络的时候，梯度变得过大而福失雨数变为无究。在RNN中下面哪种方法可以较好地处理梯度爆炸问题?A)改良的网络结构比如LSTM和GRUSB)梯度裁剪C)DropoutD)所有方法都不行答案:B解析:[单选题]110.有多个卷积核的原因是:A)同时提取多个图像的特征B)提取某些图像多个特征C)图像有多个通道D)与多特征无关答案:B解析:[单选题]111.图像卷积处理中,例如32X32,strides=1,padding="VALID",FILTER卷积核3*3,则经过卷积处理之后图像尺寸变为?A)28X28B)14X14C)30X30D)32X32答案:C解析:[单选题]112.以下关于dropout的功能描述,哪个是正确的?A)没有激活函数功能B)一种正则化方式C)一种图像特征处理算法D)一种语音处理算法答案:B解析:[单选题]113.输出层一般使用什么函数处理（）。A)阶跃函数B)sigmoid函数C)标准函数D)以上都不是答案:C解析:难易程度：易题型：[单选题]114.以下有关神经网络优化器的描述，错误的是()A)网络习算法就是根据大量的训练样本不断更新可训练的权重,使得损失函数达到最小值的方法。B)任何具有ytrue和ypred两个参数并且返回一个和输入批次相同大小的数组的函数lossfn(y_true,ypred)都可以作为损失函数。C)分类交叉熵损失CategoricalCrossentropy，要求输入的样本标签为one-hot独热编码。D)类叉SrCaricaCrossentropy要求输入的样本标签为one-hot独热编码。答案:D解析:[单选题]115.以下选项对应的方法可以用于从CSV文件中解析-二维数据的是（）。A)split()B)join()C)format(D)exist()答案:A解析:难易程度：易题型：[单选题]116.LSTM中,哪个门的作用是?确定哪些新的信息留在细胞状态中,并更新细胞状态??A)输入门B)遗忘门C)输出门D)更新门答案:A解析:[单选题]117.下面哪一项不是21世纪三大尖端技术？A)太空探险B)基因工程C)人工智能D)纳米科学答案:A解析:21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一[单选题]118.梯度下降中，下降速度最快的算法是A)BGDB)MINI-BGDC)SGDD)都不是答案:C解析:[单选题]119.DataLoader中drop_last的作用是A)批次大小B)是否乱序C)使用多进程读取数据，设置的进程数。D)是否丢弃最后一个样本数量不足batch_size批次数据。答案:D解析:[单选题]120.用e表示词向量,根据词嵌入的特性,e(男人)-e(女人)约等于e(国王)-e(?)A)男人B)女人C)国王D)王后答案:D解析:[单选题]121.深度学习领域用的最多的框架是A)caffeB)torchC)tensorflowD)mxnet答案:C解析:[单选题]122.Inception是一个()层的深度网络,它的质量是在分类和检测领域进行了评估A)5B)8C)22D)152答案:C解析:[单选题]123.现有一个32X32大小的图像,通过步长为1,填充p=1,大小为5X5的卷积核卷积后,结果尺寸成为A)28X28B)30X30C)31X31D)32X32答案:B解析:[单选题]124.方差的作用是（）。A)数据离散程度的度量B)数据聚合程度的度量C)数据拟合程度的度量D)数据发散程度的度量答案:A解析:难易程度：易题型：[单选题]125.关于归一化确定,下列说法正确的是:A)通过中值和均值进行确定B)通过平均值和最小值确定C)通过方差和均值确定D)通过标准差和均值确定答案:C解析:[单选题]126.控制是否循环神经每次都输出结果的参数是A)return_sequencesB)num_classesC)unrollD)training答案:A解析:[单选题]127.缩写ArtificialIntelligence是指A)AOB)AIC)ALD)AN答案:B解析:[单选题]128.输入信号<0时,输出都是0,输入信号>0的情况下,输出等于输入,通常指的是指那个函数?A)Sigmoid函数B)tanh函数C)ReLUD)cosh答案:C解析:[单选题]129.tensorfilow中，tensor=f.constant([1,2,3,4,5,6,7.8]),sess.run(f.reshape(tensor[2,-1]))运行后，tensor的内容变成A)[[1,2,3,4],[5,6,7,8]]B)[[1,2,3],[4,5,6,7,8]]C)[[1,2,3,4,5,6],[7,8]]D)[[1,2],[3,4],[5,6],[7,8]]答案:A解析:[单选题]130.为何dropout有助于避免过拟合?A)因为邻居神经元的权重可能相似，因此可能会影响最终训练的准确性B)减少神经元可加快训练速度C)增加神经元节点可以提高训练的准确性D)上述均有误答案:B解析:[单选题]131.卷积网络在本质上是一种输入到输出的(),它能够学习大量的输入与输出之间的映射关系,而不需要任何输入和输出之间的精确的数学表达式。A)卷积B)池化C)全连接D)映射答案:D解析:[单选题]132.Linux有上百种不同的发行版，如基于社区开发的和基于商业开发的等,下列哪一项不是Linux的发行版？A)debianB)archlinuxC)HunterD)RedHatEnterpriseLinuxE)SUSEF)OracleLinux答案:C解析:Linux有上百种不同的发行版，如基于社区开发的debian、archlinux，和基于商业开发的RedHatEnterpriseLinux、SUSE、OracleLinux等。第2部分：多项选择题，共41题，每题至少两个正确答案,多选或少选均不得分。[多选题]133.Tensorflow中,哪些运算结果为TrueA)tf.equal(1.0,1)B)tf.equal(1.0,1.0)C)tf.equal(0,False)D)tf.equal(1,False)答案:ABC解析:[多选题]134.以下多个选项其中属于AI描述其主要的三大主义或学派的是?A)机器学习B)连接主义C)行为主义D)符号主义答案:BCD解析:[多选题]135.以下说法,关于tensorflow描述正确的是A)集成了主流的机器学习算法B)支持分布式部署C)支持Python语言开发D)不支持深度学习答案:ABC解析:[多选题]136.计算机视觉特征检测点检测中,点特征的优势是?A)点特征属于局部特征,对遮挡有一定鲁棒性B)通常图像中可以检测到成百上千的点特征,以量取胜C)点特征有较好的辨识性,不同物体上的点容易区分D)点特征提取通常速度很快答案:ABCD解析:[多选题]137.当使用predict_classes()方法进行预测时，返回的是（）。A)属于每一类的概率B)类别的索引C)样本准确率D)该样本所属的类别标签答案:BD解析:[多选题]138.张量数学运算主要有A)标量运算B)向量运算C)矩阵运算D)广播处理答案:ABCD解析:[多选题]139.定义卷积核W_conv1=weight_variable([5,5,5,32])后A)尺寸5X5B)输入通道5C)输出通道32D)有32个卷积核答案:ABCD解析:[多选题]140.要权释机器学习/深度学习在人工智能体系中的作用,通常从机器感知、()、()三方面来进行A)感知B)理解C)决策D)证明答案:BC解析:[多选题]141.在tensorflow平台中,能实现卷积运算的函数是:A)tf.nn.conv2dB)tf.nn.depthwise_conv2dC)tf.nn.convolutionD)tf.random_normal答案:ABC解析:[多选题]142.Tf中与梯度相关的函数是:A)tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)B)[db,dW,dx]=tf.gradient(C,[b,w,x])C)gradient=Opute_gradients(loss)D)optm=Optimizer.apply_gradients(grads_holder)答案:ABCD解析:[多选题]143.在keras的fit函数中，必须要输入的两个参数是（）A)标签B)输出数据C)输入数据D)epochs答案:AC解析:在keras的fit函数中，必须要输入的两个参数是输入数据和标签[多选题]144.区别于传统的浅层学习，深度学习的不同在于（）A)明确了输出层结构B)强调了模型结构的深度C)强调了模型的广度D)明确了特征学习的重要性答案:BD解析:区别于传统的浅层学习，深度学习的不同在于：[4](1)强调了模型结构的深度，通常有5层、6层，甚至10多层的隐层节点；[4](2)明确了特征学习的重要性。也就是说，通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更容易。与人工规则构造特征的方法相比，利用大数据来学习特征，更能够刻画数据丰富的内在信息。[多选题]145.在tf语句中,a=tf.Variable(25);执行sess.run(A.语句以后,以下说法正确的是:A)执行一个操作节点B)从python操作tf模块C)执行tf内的python模块D)实现python引用tf源代码答案:AB解析:[多选题]146.关于符号主义,正确描述是A)又称逻辑主义B)又称心理学派C)基础理论是数理逻辑D)是研究生物的答案:ABC解析:[多选题]147.optimizer.zero_grad()放置的位置可以是A)cost.backward()之前B)optimizer.step()之后C)cost.backward()optimizer.step()之间D)模型创建前答案:ABD解析:[多选题]148.腾讯云硬盘产品提供（）云硬盘类型，不同的硬盘类型、性能、特点和价格均不同。A)高性能云硬盘B)SSD云硬盘C)增强型SSD云硬盘D)极速型SSD云硬盘答案:ABCD解析:云硬盘产品提供高性能云硬盘、SSD云硬盘、增强型SSD云硬盘及极速型SSD云硬盘四种云硬盘类型，不同的硬盘类型、性能、特点和价格均不同。[多选题]149.Batch归一化会起作用的原因包括A)通过归一化所有的输入特征值,以获得类似范围的值,加速学习B)将参数归一化可以减缓学习速率C)可以使权重比你的网络更滞后或更深D)可以使权重比你的网络更超前或更深答案:AC解析:[多选题]150.如果填充图像后求卷积,并保持图像尺寸不变化A)以0填充B)填充厚度为卷积核厚度减1的一半C)步长为1D)步长大于1答案:ABC解析:[多选题]151.可以理解为压缩求和,常用于降维的函数和计算张量的各个维度上的元素的平均值的函数分别是?A)tf.reduce_sumB)tf.multiplyC)tf.reduce_meanD)tf.norm答案:AC解析:[多选题]152.keras.layers中的高级激活层包括（）A)keras.layers.advanced_activations.LeakyReLU(alpha=0.3)B)keras.layers.advanced_activations.PReLU(alpha_initializer='zeros',alpha_regularizer=None,alpha_constraint=None,shared_axes=None)C)keras.layers.advanced_activations.ELU(alpha=1.0)D)keras.layers.advanced_activations.ThresholdedReLU(theta=1.0)答案:ABCD解析:[多选题]153.深度神经网络的构成中,把卷积层放在前面,全连接层放在后面,它们的作用是什么?A)用卷积层提取特征B)pooling的下采样能够降低overfittingC)激活函数relu可以用到卷积层D)全连接层只能有一层答案:ABC解析:[多选题]154.单个神经元能解决什么问题A)与B)或C)非D)异或答案:ABC解析:[多选题]155.内置fit函数支持（）类型数据A)numpyarrayB)tf.data.DatasetC)PythongeneratorD)以上都对答案:ABCD解析:[多选题]156.可以启动tensorboard的方式有：A)命令行中执行tensorboard--logdir./data/tensorboardB)notebook.start("--logdir./data/tensorboard")C)notebook.list()D)load_exttensorboard答案:AB解析:[多选题]157.二分类边界线描述正确的是A)正类别概率为0.5B)z=0C)正类别概率为0D)z=1答案:AB解析:[多选题]158.张量语句tf.concat()是:A)合并张量B)与张量维度有关C)实现代数运算D)输入数据是一个张量答案:AB解析:[多选题]159.从图像中提取CNN特征,()模型是首选算法。它的缺点在于,参数量有140M之多,需要更()的存储空间。但是这个模型很有研究价值A)VGGB)大C)小D)少答案:AB解析:[多选题]160.循环模型中，除了存在c状态，还存在h状态的模型有A)rnnB)lstmC)gruD)embadding答案:BC解析:[多选题]161.神经风格迁移的损失函数包含哪几部分?A)内容图像的损失函数B)风格图像的损失函数C)交叉熵损失函数D)均方差损失函数答案:AB解析:[多选题]162.什么是影响神经网络的深度选择的因素?A)神经网络的类型,输入数据B)输出函数映射C)计算能力,即硬件和软件能力D)学习率答案:ABCD解析:[多选题]163.池化层是夹在连续的()之间的层次,其主要的工作是用来对数据进行下采样,从而压缩数据和参数的量,减少()A)卷积层B)过拟合C)池化D)正则化答案:AB解析:[多选题]164.以下哪些tensorflow的函数可以对张量进行逻辑运算A)equal()B)not_equal()C)less()D)greater()答案:ABCD解析:[多选题]165.卷积后图像尺寸不变化,对于Padding的描述,正确的是A)以0填充B)填充厚度是卷积核厚度减1的一半C)步长为1D)图像尺寸变小答案:AB解析:[多选题]166.inception同一层可以同时使用（）尺寸的卷积核A)1*1B)3*3C)5*5D)11*11答案:ABC解析:[多选题]167.解决模型欠拟合的方法包括（）A)添加其他特征项，有时候特征项不够会导致模型欠拟合B)添加多项式项，保证模型一定的拟合能力C)增加模型的复杂度D)减少正则化系数答案:ABCD解析:解决方案添加其他特征项，有时候特征项不够会导致模型欠拟合添加多项式项，保证模型一定的拟合能力增加模型的复杂度减少正则化系数[多选题]168.训练模型的三种方式：A)内置fitB)内置train_on_batchC)自定义训练循环D)内置compile答案:ABC解析:[多选题]169.在tensorflow中,x=tf.cast(u,tf.float32)的意义,说法正确的是A)将随机数赋值给uB)将u内数据转换成float32C)将u内的数据进行洗牌处理D)实现类型转化的功能答案:BD解析:[多选题]170.在关于解决棋类问题的方法中A)深蓝属于符号主义B)阿尔法go是连接主义C)深蓝是连接主义D)阿尔法go是行为主义答案:AB解析:[多选题]171.引起欠拟合的原因有（）A)数据量大大，无法进行训练B)数据本身是非线性的但使用了线性模型C)模型本身过于简单D)特征数太少无法正确的建立统计关系答案:BCD解析:引起欠拟合的原因有：1、模型本身过于简单，例如数据本身是非线性的但使用了线性模型；2、特征数太少无法正确的建立统计关系。[多选题]172.人脸检测系统中,检测出人脸后,可对人脸进行分析,获得()等72个关键点A)眼B)口C)鼻D)轮廓答案:ABCD解析:[多选题]173.梯度下降法主要有哪些缺点：（）A)训练速度慢B)计算量太大C)容易陷入局部最优解D)代码太多答案:AC解析:评价：梯度下降法主要有两个缺点:训练速度慢：每走一步都要要计算调整下一步的方向，下山的速度变慢。在应用于大型数据集中，每输入一个样本都要更新一次参数，且每次迭代都要遍历所有的样本。会使得训练过程及其缓慢，需要花费很长时间才能得到收敛解。容易陷入局部最优解：由于是在有限视距内寻找下山的反向。当陷入平坦的洼地，会误以为到达了山地的最低点，从而不会继续往下走。所谓的局部最优解就是鞍点。落入鞍点，梯度为0，使得模型参数不在继续更新。第3部分：判断题，共54题，请判断题目是否正确。[判断题]174.损失函数,是个数量函数,张量维度为0A)正确B)错误答案:对解析:[判断题]175.随机梯度下降的学习率不会改变A)正确B)错误答案:错解析:[判断题]176.鞍点是多维空间中函数的最优解A)正确B)错误答案:错解析:[判断题]177.批量梯度下降算法是每次考虑整个训练集进行权重更新。A)正确B)错误答案:对解析:[判断题]178.对于非规范的两个序列,比较相似度,可以用内积的原理。A)正确B)错误答案:对解析:[判断题]179.Batch归一化不能加速训练A)正确B)错误答案:错解析:[判断题]180.多对多和多对一是常用的循环处理方式A)正确B)错误答案:对解析:[判断题]181.增加网络层数，一定会增加训练集分类错误率()A)正确B)错误答案:错解析:[判断题]182.Yolo的泛化能力强,在做迁移时,模型鲁棒性高A)正确B)错误答案:对解析:[判断题]183.DeanPomerleau在卡耐基梅隆大学于上世纪80年代末制造了一辆自动驾驶汽车,其算法核心是基于神经网络A)正确B)错误答案:对解析:[判断题]184.optimizer.zero_grad()只会在小批量中使用A)正确B)错误答案:错解析:[判断题]185.Tf.matmul()将矩阵a乘以矩阵b,生成a*bA)正确B)错误答案:对解析:[判断题]186.分批归一化处理过拟合的原理，是因为同一个数据在不同批中被归一化后的值会有差别，相当于做了dataaugmentatio。A)正确B)错误答案:对解析:[判断题]187.在神经网络中，每个参数只能有唯一的学习率。()A)正确B)错误答案:错解析:[判断题]188.判断:除了冲激函数,高斯函数的衰减速度最快。A)正确B)错误答案:对解析:[判断题]189.Tf.reduce_mean函数的作用是求平均值。第一个参数是一个集合,可以是列表、二维数组和多维数组。第二个参数指定在哪个维度上面求平均值。默认对所有的元素求平均A)正确B)错误答案:对解析:[判断题]190.分类问题用神经网络,预测问题用线性回归。A)正确B)错误答案:对解析:[判断题]191.在tf可以定义多个Session对话。A)正确B)错误答案:对解析:[判断题]192.梯度爆炸时,导数值比较大,发生数值溢出,会出现NaNA)正确B)错误答案:对解析:[判断题]193.开发软件Anaconda不可以在Win10平台安装A)正确B)错误答案:错解析:[判断题]194.当学习率设置的过大时,收敛过程将变得十分缓慢。而当学习率设置的过小时,梯度可能会在最小值附近来回震荡,甚至可能无法收敛A)正确B)错误答案:错解析:[判断题]195.model.predict是预测数据label使用A)正确B)错误答案:对解析:[判断题]196.下面那个决策边界是神经网络生成的?A)正确B)错误答案:对解析:[判断题]197.在使用SOFTMAX函数时,是将运算结果从向量空间转化到概率空间。A)正确B)错误答案:对解析:[判断题]198.假设有一个如下定义的神经网络;如果我们去掉ReLU层，这个神经网络仍能够处理非线性函数，这种说法是;BA)正确的B)错误的答案:错解析:[判断题]199.图像卷积靠卷积核完成，卷积核规定了运算的规则，滤波是卷积运算所带来的效果。A)正确B)错误答案:对解析:[判断题]200.Dropout和正则化用于解决过拟合。A)正确B)错误答案:对解析:[判断题]201.Keras知识tensorflow的一个接口A)正确B)错误答案:错解析:[判断题]202.torchvision是处理数据相关操作的A)正确B)错误答案:对解析:[判断题]203.全连接层无法实现卷积运算,他们互有分工。A)正确B)错误答案:对解析:[判断题]204.自然语言理解是所有支持计算机理解文本内容的方法的总称，其任务主要包括文本分类、词法分析、实体分割、语义分析、文本匹配、信息抽取以及阅读理解等。()A)正确B)错误答案:错解析:[判断题]205.如果使用的学习率太大，会导致网络收敛的快。A)正确B)错误答案:错解析:[判断题]206.TensorFlow是一个采用数据流图用于数据计算的开源软件库A)正确B)错误答案:对解析:[判断题]207.就目前学习,损失函数有均方差表达,和交叉熵表达。A)正确B)错误答案:对解析:[判断题]208.pytorch无序调用，可以直接使用gpu处理代码A)正确B)错误答案:错解析:[判断题]209.pytorch.nn是处理网络层的A)正确B)错误答案:对解析:[判断题]210.CNN中常用的正则化手段是dropoutA)正确B)错误答案:对解析:[判断题]211.Tf中,tf.assign_add,也是赋值语句。A)正确B)错误答案:对解析:[判断题]212.均方损失函数,是个数量函数,张量维度为1A)正确B)错误答案:错解析:[判断题]213.LeNet5网络最初是为了识别支票上面的手写数字而设计的A)正确B)错误答案:对解析:[判断题]214.人工智能的两条技术发展路径分别是以模型学习驱动的数据智能、以认知仿生驱动的类脑智能。()A)正确B)错误答案:对解析:[判断题]215.Sess=tf.Session()Writer=tf.summary.FileWriter(TB_SUMMARY_DIR)Writer.add_graph(sess.graph)以上语句为实现可视化界面展示tensorboard移植语句A)正确B)错误答案:对解析:[判断题]216.自然界任何一个物理系统都存在固定振动频率,当外界有相同频率振动,就能使该物体产生共振。A)正确B)错误答案:对解析:[判断题]217.Keras是一个单独的框架A)正确B)错误答案:对解析:[判断题]218.卷积神经网络中,其中,卷积层是分类的,全连接层是特征提取的。A)正确B)错误答案:错解析:[判断题]219.如果对多元数量函数求梯度,结果是个向量。A)正确B)错误答案:对解析:[判断题]220.关于信息,这个概念目前还没有明确定义。A)正确B)错误答案:对解析:[判断题]221.全连接层能够实现卷积运算。A)正确B)错误答案:错解析:[判断题]222.时间步是序列模型处理的基础单元A)正确B)错误答案:对解析:[判断题]223.深层神经网络，不添加激活函数效果也很好A)正确B)错误答案:错解析:[判断题]224.所谓积分运算,就是求积的极限A)正确B)错误答案:错解析:[判断题]225.人工智能的近期目标是探讨智能形成的基本机理，研究利用自动机模拟人的思维过程。A)正确B)错误答案:错解析:[判断题]226.熵这个概念来自热力学,信息熵是借用。A)正确B)错误答案:对解析:[判断题]227.网络操作系统是一种能代替操作系统的软件程序，是网络的心脏和灵魂，是向网络计算机提供服务的特殊的操作系统。A)正确B)错误答案:对解析:网络操作系统是一种能代替操作系统的软件程序，是网络的心脏和灵魂，是向网络计算机提供服务的特殊的操作系统。第4部分：问答题，共33题，请在空白处填写正确答案。[问答题]228.什么情况下需要多个卷积核？答案:深度学习中无论是输入，还是中间产生的特征图，通常都不是单一的二维图，而是多个，比如一幅彩色图像通常是由红色、绿色和蓝色三个通道组成，分别代表了一幅彩色图像中红、绿和蓝三个不同通道的值，为了提取不同的特征，往往需要多个卷积核。解析:[问答题]229.tensorflow中，变量是一种特殊的______。答案:张量；解析:[问答题]230.ReLu是线性整流函数，又称为修正性线性单元，它的函数的数学表达式为Tanh是一个分段函数，它的图像如下：ReLu函数的代码如下，请补充完整。importnumpyasnpdefrelu(x):return______________答案:np.maximum(0,x)解析:importnumpyasnpdefrelu(x):returnnp.maximum(0,x)[问答题]231.tensorflow中将其他类型转换为double类型的函数为_____。答案:Tf.to_double()；解析:[问答题]232.什么样的数据集不适合深度学习？答案:1数据集太小，数据样本不足时，深度学习相对其它机器学习算法，没有明显优势。2数据集没有局部相关特性，目前深度学习表现比较好的领域主要是图像／语音／自然语言处理等领域，这些领域的一个共性是局部相关性。图像中像素组成物体，语音信号中音位组合成单词，文本数据中单词组合成句子，这些特征元素的组合一旦被打乱，表示的含义同时也被改变。对于没有这样的局部相关性的数据集，不适于使用深度学习算法进行处理。解析:[问答题]233.按照学习方式分类，机器学习可以分为哪四种？答案:监督式学习，非监督学习，半监督学习，强化学习解析:[问答题]234.importtensorflowastfBoolean=tf.constant(False,dtype=tf.bool)Withtf.Session()assess:print(sess.run(boolean))该程序输出结果为____。答案:False；解析:[问答题]235.名词解释：对象存储（CloudObjectStorage，COS）答案:对象存储（CloudObjectStorage，COS）是腾讯云提供的一种存储海量文件的分布式存储服务，用户可通过网络随时存储和查看数据。解析:[问答题]236.名词解释：竞价实例（Spot）答案:竞价实例（Spot）是云服务器CVM的一种新实例运作模式，它最核心的特点是折扣售卖和系统中断机制，即您可以以一定幅度的折扣购买实例，但同时系统可能会自动回收这些折扣售卖的实例。解析:[问答题]237.A=np.array([[1,1,2,3],[3,4,5,6]])Withtf.Session()assess:print(sess.run(tf.clip_by_value(A,2,5)))该程序的输出结果为______。答案:[[2,2,2,3],[3,4,5,5]]；解析:[问答题]238.将输入信号的总和转换为输出信号的函数一般称为_______答案:激活函数解析:[问答题]239.损失函数一般使用_______和_______答案:均方误差|交叉熵解析:[问答题]240.请介绍下tensorflow的计算图?答案:Tensorflow是一个通过计算图的形式来表述计算的编程系统，计算图也叫数据流图，可以把计算图看做是一种有向图，Tensorflow中的每一个节点都是计算图上的一个Tensor,也就是张量，而节点之间的边描述了计算之间的依赖关系(定义时)和数学操作(运算时)。解析:[问答题]241.为什么卷积核一般都是3*3而不是更大？答案:第一，相对于用较大的卷积核，使用多个较小的卷积核可以获得相同的感受野和能获得更多的特征信息，同时使用小的卷积核参数更少，计算量更小。第二：你可以使用更多的激活函数，有更多的非线性，使得在你的CNN模型中的判决函数有更有判决性。解析:[问答题]242.编程：定义neuron类中的__init__方法与computes方法。__init__方法是neuron类的构造函数，表示神经元的连接权值与阈值的初始化。而computes方法表示在权值与阈值确定的情况下，神经元根据输入获取输出的函数，返回值为一个浮点数，要求使用tanh函数作为激活函数。答案:ImporttensorflowastfClassneuron(object):def__init__(self,weight,threshold):self.weight=weightself.threshold=thresholddefcomputes(self,input_value):returntf.tanh(tf.reduce_sum(input_value*self.weight)-self.threshold).eval()解析:[问答题]243.计算图可以通过_______高效计算导数答案:反向传播解析:[问答题]244.什么是梯度？什么是梯度下降法？答案:由全部变量的偏导数汇总而成的向量称为梯度；寻找最小值的梯度法解析:[问答题]245.编程：定义一个2行3列的常量，并输出其类型、形状和阶。答案:ImporttensorflowastfC=tf.constant([[3.0,4.0,5.0],[6.0,7.0,8.0]])Print("张量类型：",c.dtype)Print("张量形状：",c.get_shape())Print("张量的阶：",c.get_shape()