人工智能深度学习技术练习(习题卷7)

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7)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.Anacoda的中文翻译是（）。A)蟒蛇B)爬虫C)算法D)矩阵[单选题]2.relu()的结果是多少A)0B)0.5563543C)10D)1[单选题]3.关于TensorFlow的描述，以下选项中错误的是（）。A)TensorFlow是Python语育的一套优秀的CU图形库B)TensorFlow是谷歌公司基于DistBelief进行研发的第二代人工智能学习系统C)Tensor(张逊)指N维数组,Flow(流)指燕于数据流图的计算D)TensorFlow描述张量从流图的一端流动到另三端的计算过程[单选题]4.连续词袋模型的英文缩写是A)CBOWB)CBOMC)CCOWD)BBOW[单选题]5.独热编码描述错误的是A)可以对特征使用B)可以对标签使用C)二分类必须做独热D)独热长度和类别数量一致[单选题]6.如果我们使用了一个过大的学习速率会发生什么（）。A)神经网络快速收敛B)不好说C)都不对D)神经网络不会收敛[单选题]7.在面向对象方法中,一个对象请求另一对象为其服务的方式是通过哪个选项发送（）。A)调用语句B)命令C)口令D)消息[单选题]8.损失函数使用哪个值衡量（）。A)最大值B)平均值C)中间值D)均方误差[单选题]9.()是定义在单个样本上的,是指一个样本的误差A)损失函数(LossFunction)B)代价函数(CostFunction)C)目标函数(ObjectFunction)D)范数[单选题]10.RNN中使用的激活函数是A)reluB)sigmoidC)tanhD)softmax[单选题]11.二分类sigmoid函数描述错误的是A)输出的是正类别结果B)可以做多分类C)可以做激活函数D)数值范围+1到-1[单选题]12.Tf.nn.conv2d(),其中遇到的图像张量,格式是A)[batch,in_height,in_width,in_channels]B)[Size,in_height,in_width,in_channels]C)[batch,in_width,in_height,in_channels]D)[batch,in_channels,in_height,in_width][单选题]13.关于mini-batch说法错误的是A)指的是批量梯度下降B)适用于样本量小的数据集C)每一次只运算部分数据,最后将全部数据进行运算D)适用于样本量大的数据[单选题]14.使用函数tf.nn.conv2d()主要的目的是()A)增强图像B)简化图像C)特征提取D)图像处理[单选题]15.批规范化(BatchNormalization)的好处都有啥?AA)让每一层的输入的范围都大致固定B)它将权重的归一化平均值和标准差C)它是一种非常有效的反向传播(BP)方法D)均不是[单选题]16.已知-大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达。-每一个神经元都有输入、处理函数和输出。-神经元组合起来形成了网络，可以拟合任何函数。-为了得到最佳的神经网络，我们用梯度下降方法不断更新模型给定上述关于神经网络的描述，什么情况下神经网络模型被称为深度学习模型？A)加入更多层，使神经网络的深度增加B)有维度更高的数据C)当这是一个图形识别的问题时D)以上都不正确[单选题]17.对于神经网络中超参数调试方法正确的是A)随机选择点来试验超参数效果B)当你给超参数取值时,另一个惯例是采用由精细到粗糙的策略。C)只调试容易的D)给定默认值即可[单选题]18.百度飞桨中训练过程流程的内层循环顺序是（）。A)数据准备》前向计算》计算损失函数》执行梯度反向传播B)前向计算》数据准备》计算损失函数》执行梯度反向传播C)数据准备》前向计算》执行梯度反向传播》计算损失函数D)前向计算》计算损失函数》数据准备》执行梯度反向传播[单选题]19.以下最能体现ufunc特点的是（）。A)其又称通用函数（UniversalB)对ndarray中的每一个元素进行逐一操作C)对整个ndarray进行操作D)ndarray中的元素是相同类型的[单选题]20.损失函数的作用是（）A)判断预测值的真实性B)计算预测值与真实值的差距C)优化预测值D)以上都不对[单选题]21.在深度学习网络中，以下哪种技术不是主要用来做网络正则化的？A)dropoutB)参数共享C)EarlystoppingD)Pooling[单选题]22.输入大小为64X64的黑白图像,卷积核5X5,步长为1,填充方式为?VALID?,卷积后图像尺寸为A)59B)60C)58D)61[单选题]23.下图中的数据是线性可分的么？A)是B)否C)图片有误D)可能可以[单选题]24.下列不属于MLPClassifier对象方法的是（）。A)predictB)scoreC)fitD)predict_proba[单选题]25.距离空间有多种多样,他们的目的是A)度量后比较B)求相关性C)求信息熵D)构成线性空间[单选题]26.对于图像识别问题(比如识别照片中的猫),神经网络模型结构更适合解决哪类问题?A)多层感知器B)卷积神经网络C)循环神经网络D)感知器[单选题]27.所有rnn中的门使用（）激活函数处理A)RELUB)sigmoidC)softmaxD)tanh[单选题]28.如果输入一张3通道的图像，下面表述方式正确的是：A)model.add(Dense(40,input_dim=[1,3,20,20]))B)model.add(Dense(40,input_dim=[1,20,20,3]))C)model.add(Dense(40,input_dim=[3,1,20,20]))D)model.add(Dense(40,input_dim=[3,1,20,20]))[单选题]29.以下文件操作方法中,不能从train.csv格式文件中读取数据的是（）。A)readlineB)readlinesC)readD)seek[单选题]30.Conv2d(x_image,W_conv1)+b_conv)中b_conv1是A)对图像池化B)偏置项C)激活函数D)平均[单选题]31.（）是一种深度学习中减少泛化误差的正则化方法，主要是通过缓解梯度下降加速网络的训练，防止过拟合，降低了参数初始化的要求。A)L1正则化B)BatchNormalizationC)L2正则化D)DROPOUT[单选题]32.下列函数能实现对比两个矩阵是否相等,或者向量是否相等的元素的函数是哪一个?A)c=tf.greater(a,b)B)a=tf.subtract(a,b)C)b=tf.equal(a,b)D)d=tf.matmul(a,b)[单选题]33.以下关于深度神经网络的说法中错误的是A)使用梯度裁剪(gradientclipping)有助于减缓梯度爆炸问题B)若batchsize过小，batchnormalization的效果会出现退化C)在使用SGD训练时，若训练loss的变化逐渐平缓不再明显下降时，通常可以通过减小learningrate的方式使其再进一步下降D)增大L2正则项的系数有助于减缓梯度消失问题[单选题]34.当我们将input_shape指定为（300，300，3）时，这意味着什么？A)将有300匹马和300名人类，分3批B)将有300张图片，每个尺寸300，分3批C)每个图像将为300x300像素，有3个通道D)每个图像将为300x300像素，并且应该有3个卷积层[单选题]35.pytorch中可视化参数分布：A)writer.add_graphB)writer.add_scalarC)writer.add_histogramD)writer.add_figure[单选题]36.merge函数用于主键合并，下列说法错误的是（）。A)on参数用于指定主键B)sort参数为True时将对合并的数据进行排序C)suffixes参数用于对重叠列加尾缀D)join参数表示表连接的方式[单选题]37.()翻译为?VanishingGradientProblem?,这种问题通常是基于梯度的方法训练神经网络的过程中才会出现的。A)梯度消失问题B)卷积C)池化D)全连接[单选题]38.以下选项中那个是TensorFlow的计算模型A)计算图B)张量C)会话D)变量[单选题]39.哪个网络模型首次使用relu激活函数A)LeNetB)AlexNetC)ResNetD)Inception[单选题]40.Tf.convert_to_tensor用于将不同()变成张量:比如可以让数组变成张量、也可以让列表变成张量。A)数据B)变量C)高度D)范数[单选题]41.可以帮助将数据大小缩小的方式是A)卷积层B)池化层C)全连接层D)激活层[单选题]42.最大池化max_pool有几个参数,如value,ksize参数,strides参数,padding参数,name=None参数,用于池化窗口的参量是那一个?A)valueB)ksizeC)stridesD)padding[单选题]43.Tf.nn.dropout是TensorFlow里面为了防止或减轻过拟合而使用的函数,它一般用在()A)卷积层B)全连接层C)池化层D)激活函数层[单选题]44.神经网络中参数的调试不包括A)学习率αB)动量梯度下降的参数βC)mini-Batch的大小D)输入图片大小[单选题]45.在数学模型开发过程中,经常会使用例如数学符号、数学式子以及()来抽象和描述该模型A)范数B)程序或图形C)卷积D)池化[单选题]46.resnet和Inception使用（）代替全连接处理A)平均池化B)最大池化C)1*1卷积D)3*3卷积[单选题]47.深度学习典型应用:自然语言处理主要指应用了()神经网络A)ANNB)CNNC)RNND)XNN[单选题]48.考虑某个具体问题时，你可能只有少量数据来解决这个问题。不过幸运的是你有一个类似问题已经预先训练好的神经网络。可以用下面哪种方法来利用这个预先训练好的网络?A)把除了最后一层外所有的层都冻结，重新训练最后一层B)对新数据重新训练整个模型C)对每-层模型进行评估，选择其中的少数来用D)只对最后几层进行调参(finetune)[单选题]49.我们会发现累乘会导致激活函数导数的累乘,进而会导致?()?和?梯度爆炸?现象的发生A)梯度消失B)梯度上升C)梯度下降D)梯度反向[单选题]50.Tensorflow.global_variables_initializer()的作用是什么?A)始化列表中的变量B)局部变量初始化C)初始化所有的变量(GraphKeys.VARIABLES)D)不清楚[单选题]51.缩小图像尺寸后，训练结果有所不同。为什么？A)图片的信息变少了B)我们删除了一些卷积以处理较小的图像C)图像中压缩了更多信息D)训练更快[单选题]52.同一组云资源需要被多个不同账户控制时，用户可以使用（）管理对云资源的访问权限。A)策略控制B)安全组C)安全管理D)账户管理[单选题]53.执行后查看Python版本的是（）。A)importB)importC)importD)import[单选题]54.你认为下面那个命令是验证paddle安装成功的（）。A)pythonB)importC)pythonD)python[单选题]55.compile函数中没有以下哪一个参数A)迭代次数B)优化算法C)评估指标D)损失值[单选题]56.通常说的范数它是具有()的概念的函数A)长度B)刻度C)距离D)范数[单选题]57.关于Python语言和人工智能，以下哪个说法不正确？（）。A)人工智能算法在计算机底层的并行和加速都采用Python语言实现B)人工智能（机器学习和深度学习）框架基本都采用Python语言开发C)掌握"人工智能应用"能力，必须学习并掌握Python语言D)Python是支撑"人工智能应用"的主流语言[单选题]58.当练一个神经网络来作图像识别任务时，通常会绘制一张训练集误差和交叉训练集误差图来进行调试。在上图中，最好在哪个时间停止训练?CA)DB)AC)CD)B[单选题]59.RNN的关键点之一就是他们可以用来连接()的信息到当前的任务上A)先前B)之后C)丢失D)LSTM[单选题]60.人工智能是()的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器A)生物医学B)计算机科学C)数学D)文学[单选题]61.神经网络LenNet-5共有7层(不包括输入层),主要有2个()、2个下抽样层(池化层)、3个全连接层3种连接方式A)输入层B)卷积层C)池化层D)FC层[单选题]62.那个命令等价于等价于在命令行中执行tensorboard--logdir./data/tensorboardA)notebook.start("--logdir./data/tensorboard")B)notebook.list()C)load_exttensorboardD)都不是[单选题]63.卷积中控制步长的参数是A)strideB)kerner_sizeC)in_channelsD)out_channels[单选题]64.在输出层不能使用以下哪种激活函数来分类图像?CA)sigmoidB)TanhC)ReLUD)If(x>5,1,0)[单选题]65.学习速率的设置（）。A)越大越好B)越小越好C)随机设置D)看情况调整[单选题]66.阅读以下文字:假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称(车辆共有10种类型)。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车(福特野马)而且标变为定位车辆在照片中的位置。BA)络一，结所有然后重新训练B)网络中最层进行调，同时将最后一层(分类层)更改为回归层C)使用新的数据集重新训练模型D)所有答案均不对[单选题]67.pytorch导入numpy数据的方式A)from_numpyB)into_numpyC)numpyD)data.numpy[单选题]68.想象一下，你有一个28x28的图片，并使用输入深度为3和输出深度为8在上面运行一个3x3的卷积神经网络。注意，步幅padding是1，你正在使用相同的填充（padding）。当使用给定的参数时，输出特征图的尺寸是多少？A)28宽、28高、8深B)13宽、13高、8深C)28宽、13高、8深D)13宽、28高、8深[单选题]69.sparse_categorical_crossentropy属性的使用场景是：A)回归类型问题B)逻辑回归处理C)多分类，标签没有经过独热处理D)多分类，标签经过独热处理[单选题]70.关于通道理解错误的是A)单通道为灰度图B)卷积后的通道越多，效果越好C)彩色图进行卷积处理只能是三通道D)彩色图是三通道[单选题]71.假定你在神经网络中的隐藏层中使用激活函数X。在特定神经元给定任意输入，你会得到输出「-0.0001」。X可能是以下哪一个激活函数？A)ReLUB)tanhC)SIGMOIDD)以上都不是[单选题]72.pytorch四舍五入的函数是A)roundB)floorC)ceilD)trunc[单选题]73.数据管道从文件夹获取数据的方式是：A)from_tensor_slicesB)flow_from_directoryC)make_csv_datasetD)list_files[单选题]74.Tf在图像处理的4维度张量,按照次序,它的意义是:A)batch、height、weight、channelB)height、weight、channel,batchC)batch、height、width、channelD)channel、height、weight、batch[单选题]75.下列有关循环神经网络中的Embedding层的描述，错误的是()A)Fmbedding层通常用在神经网络的第一层。B)Embedding层将正整数(索引)转换为固定大小的向量。C)mbedding层后得到的密集向量的每个元素只能是0或!。D)若Embedding层的输入的大小为(batchsizeinputlength),则输出的大小为(batchsize,inputlength,outputdim),outputdim是密集向量的维数。[单选题]76.假设在训练中我们突然遇到了一个问题，在几次循环之后，误差瞬间降低你认为数据有问题，于是你画出了数据并且发现也许是数据的偏度过大造成了这个问题。你打算怎么做来处理这个问题?A)对数据做归一化B)对数据取对数变化C)都不对D)对数据做主成分分析(PCA)和归一化[单选题]77.对一个概率空间,进行多种划分,其信息熵是A)一定相等B)一定不等C)不确定无关联D)互有关联[单选题]78.语句euclideanmetric的意思是?A)欧几里得B)欧几里得度量C)欧几里得范数D)欧几里得空间[单选题]79.梯度消失的现象是A)导数为0B)参数不再更新C)达到最优梯度D)到达最优解[单选题]80.Dropout包括在训练中每次更新时，将输入单元的按比率随机设置为0，这有助于防止()。A)噪声B)欠拟合C)过拟合D)漂移[单选题]81.什么是卷积？A)缩小图像的技术B)放大图像的技术C)提取图像特征的技术D)过滤掉不需要的图像的技术[单选题]82.Tf.slice函数作用是:从tf的一个张量中,A)取出部分张量数据B)取出矩阵C)取出数D)取出向量[单选题]83.占位符实质上也是一种A)常量B)变量C)函数D)模型[单选题]84.pytorch代码中：model=nn.Linear(1,1,bias=True)，第一个参数代表的是A)神经元数量B)输入的特征数量C)层数D)以上都不对[单选题]85.交叉熵作为()可以衡量p与q的相似性。A)损失函数B)激活函数C)sigmoid函数D)RELU函数[单选题]86.下列关于Tensorflow说法错误的是A)是一款神经网络的Python外部结构包B)可以绘制计算结构图C)由Facebook进行开发D)可以把编辑好的文件转换成更高效的C++，并在后端运行[单选题]87.在Keras中有两类主要的模型：Sequential顺序模型和使用函数式API的Model类模型。这些模型有许多共同的方法和属性，其中?以JSON字符串的形式返回模型的表示?的方法是：A)model.to_json()B)model.to_yaml()C)model.get_weights()D)model.get_config()[单选题]88.使用CNN处理数据时，数据以（）维的方式存在A)1B)2C)3D)4[单选题]89.模型顺序简单，最使用使用（）方式创建模型A)SequentialB)函数式API创建任意结构模型C)Model子类化创建自定义模型D)自定义函数[单选题]90.属于百度飞桨的开发套件（）。A)PaddleClasB)PaddleC)PaddleSlimD)Paddle.js[单选题]91.()方法是2D卷积层(例如对图像的空间卷积)。A)con2DB)image2DC)filter2DD)conv2D[单选题]92.如果我将dropout参数设置为0.2，我将丢失多少个节点?A)其中20%B)其中2%C)未经训练的20%D)未经训练的2%[单选题]93.能消除过拟合的方法是A)线性化B)非线性化C)归一化D)正则化[单选题]94.Tf.cast(x,tf.float32)将x类型转化成A)返回整数值B)返回布尔值C)返回浮点值D)返回字符[单选题]95.于Python的全局变量和局部变量,以下选项中描述错误的是（）。A)局部变量指在函数内部使用的变量,当函数退出时,变量依然存在，下次函数调用可以继续使用B)全局变量指在函数之外定义的变量,-般没有缩进,在程序执行全过程有效C)使用global保留字声明简单数据类型变量后,该变量作为全局变量使用D)简单数据类型变量无论是否与全局变量重名,仅在函数内部创建和使用,函数退出后变量被释放[单选题]96.科学计算包PyTorch是由（）公司主持开发的。A)百度B)FacebookC)AmazonD)Google[单选题]97.数据处理的最小单位是（）。A)数据B)数据结构C)数据元素D)数据项[单选题]98.Tensorflow.nn.conv2d(batch,in_height,in_width,in_channels),其中参数in_channels表示的是A)卷积核B)图像数C)步长D)通道数[单选题]99.非常经典的LeNet-5神经网络其FC层处理完成以后,输出的结果会再经过那一个激活函数输出()?A)RelUB)sigmoidC)tanhD)sin[单选题]100.彩色图片的通道数为（）A)1B)2C)3D)4[单选题]101.数学建模工作,首先要对目标事物进行(),然后再进行下一步工作。A)度量化B)抽象化C)具体化D)理想化[单选题]102.GRU独有的是A)遗忘门B)输入门C)输出门D)更新门[单选题]103.深度神经网络的缩写是?A)CNNB)RNNC)SNND)DNN[单选题]104.关于拟合说法正确的是A)过拟合只发生在理论阶段,实际不会发生这种情况B)欠拟合是数据量过多,造成无法全部计算的现象C)训练准确率高,测试准确率低的情况,数据过拟合D)过拟合是指数据量大,计算复杂的情况[单选题]105.下图显示了训练过的3层卷积神经网络准确度，与参数数量(特征核的数量)的关系。从图中趋势可见，如果增加神经网络的宽度，精确度会增加到一个特定阈值后，便开始降低。造成这一现象的可能原因是什么?CA)即使增加卷积核的数量，只有少部分的核会被用作预测B)增时，神经网络预测能力(Power)会降低C)当卷积核数量增加时，导致过拟合D)以上都不正确[单选题]106.将E-R图转换为关系模式时，可以表示实体与联系的是（）。A)属性B)域C)关系D)键[单选题]107.四维张量一般用来表示A)灰度图B)彩色图C)视频D)时间[单选题]108.现实世界中,信息传播的速度,是以()数量级进行A)线性B)幂函数C)指数D)常数[单选题]109.在不使用辅助库的情况下，Matplotlib不能绘制的图形是（）。A)箱线图B)折线图C)3D图D)条形图[单选题]110.早期的机器学习算法中,如果有两个超参数,通常通过什么方式来选择参数A)网格中取样点,然后系统的研究这些数值B)比较参数的大小C)对参数进行迭代选择D)对参数进行平均[单选题]111.损失函数求导的方法是（）。A)微分B)积分C)差分D)微积分[单选题]112.为了屏蔽一些不必要的警告和错误,常使用编程语句例如os.environ['TF_CPP_MIN_LOG_LEVEL']='2'主要作用是屏蔽什么?A)警告B)错误C)警告和错误D)反汇编过程[单选题]113.随机旋转的函数是A)RandomHorizontalFlip()B)RandomVerticalFlip()C)RandomRotationD)RandomCrop[单选题]114.被称为LSTM低配的神经单元是A)rnnB)cnnC)gruD)SimpleRNN[单选题]115.LSTM中,哪个门的作用是?确定输出,把前面的信息保存到隐层中去??A)输入门B)遗忘门C)输出门D)更新门[单选题]116.tensorboard的默认端口号是A)8000B)8080C)6006D)6000[单选题]117.在贝努力实验是()的理论基础A)交叉熵损失函数B)最小二乘损失函数C)与二项式分布有关D)与信息量有关[单选题]118.面部识别软件还有其他几个用途:()、取款身份验证、计算机安全等A)消除投票欺诈B)身份证认证C)互联网D)银行[单选题]119.在jupyternotebook中使用()以交互模式打开独立的GUI窗口,对同一个figure的绘制都自动刷新到对应的GUI窗口A)%matplotlibinlineB)matplotlibinlineC)%mptinlineD)%inline[单选题]120.如果从python一侧,想得到tf的节点S对应的值,需要下列:A)A=tf.run(S)B)A=S.valueC)A=S.eval()D)tf.assign(A,S)[单选题]121.在深度神经网络中,全连接层的作用是A)滤波B)One-hot处理C)用于特征提取D)用于分类[单选题]122.Python机器学习方向的第三方库是（）。A)requesisB)TensorFlowC)scipyD)pandas[单选题]123.经典的网络LeNet-5第七层是全连接层Output.这个层共有10个节点分别代表输出数字范围是()A)0和9B)0*9C)0到9D)0到10[单选题]124.神经网络模型（NeuralNetwork）因受人类大脑的启发而得名，神经网络由许多神经元（Neuron）组成，每个神经元接受一个输入，对输入进行处理后给出一个输出。请问下列关于神经元的描述中，哪一项是正确的？A)每个神经元可以有多个输入和一个输出B)每个神经元可以有一个输入和多个输出C)每个神经元可以有多个输入和多个输出D)以上都是[单选题]125.pytorch中构建模型最常见的方式为：A)继承nn.Module基类构建自定义模型B)使用nn.Sequential按层顺序构建模型C)继承nn.Module基类构建模型并辅助应用模型容器进行封装(nn.Sequential,nn.ModuleList,nn.ModuleDict)D)使用model直接处理[单选题]126.动量优化算法的特点是A)如果梯度同方向速度会越来越快B)梯度可以最快速度迭代到最优解C)学习率不断衰减D)没有方法可以越过鞍点[单选题]127.对于正则化函数dropout描述正确的是A)直接删除神经元B)让神经元随机失活C)dropout过拟合效果有限D)只能使用在CNN网络中[单选题]128.判断当前时间步信息是否存储入状态的门是：A)遗忘门B)输入门C)输出门D)更新门[单选题]129.Adagrad优化器缺点是：A)学习率自动更新，随着更新次数增加，学习率随之变慢。B)需要维护两个超参数C)分母会不断累积，这样学习率就会后所并最终变得非常小，算法会失去效用。D)迭代次数越多，学习率越大[单选题]130.Tf语句y=tf.multiply(a,B,的意思是A)构造一个变量B)构造一个op(操作)C)构造一个任务D)构造一个函数[单选题]131.用距离空间实现的分类问题,一般:A)需要权重训练B)不需要权值训练C)不能分类D)需要选定特殊距离空间[单选题]132.关于import引用，以下选项中描述错误的是（）A)使用B)可以使用C)使用D)importE)<classF)<classG)<classH)<class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.使用relu激活函数的网络结构有A)LeNetB)AlexNetC)ResNetD)Inception[多选题]134.深度学习训练中,包含以下步骤;A)准备样本集合B)前向传递,求出lossC)求出反向的梯度dYD)按照梯度dY,确定的更新参数,更新X,继续循环[多选题]135.能实现总体加和或平均的函数分别是:A)tf.reduce_sumB)tf.multiplyC)tf.reduce_meanD)tf.norm[多选题]136.Batch归一化步骤A)求每个训练批次数据的均值B)求每个训练批次数据的方差C)使用求得的均值和方差对该批次的训练数据做归一化,获得0-1分布D)尺度变换和偏移[多选题]137.迁移学习是一种机器学习的方法,包含以下两种开发方法?A)开发模型的方法B)预训练模型的方法C)数据清洗D)似然变换[多选题]138.（）可以使用writer.add_histogramA)损失B)评估指标C)权重D)截距[多选题]139.在一个概率空间,经过不同划分后,A)信息熵不同B)构成新概率空间C)信息熵不变D)不可能有多种划分[多选题]140.Mini-batch比较好的取值有A)16B)32C)64D)128[多选题]141.如果?connectionism?是AI三大主义之一,则对connectionism描述正确的有()A)基础理论是神经网络B)深度学习属于连接主义C)又称仿生学派D)产生在20世纪50年代产生[多选题]142.以下哪些框架可以用于深度学习领域A)caffeB)torchC)tensorflowD)mxnet[多选题]143.如果是填充后求卷积,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)图像尺寸变小[多选题]144.通常所用的函数,可以描述为?A)一个集合B)一个映射C)一个概率空间D)一个线性空间[多选题]145.目前,深度学习主要包括()?A)前馈神经网络B)卷积神经网络C)循环神经网络D)对抗神经网络[多选题]146.在深度学习中,从结构上说,卷积神经网络由()和()层构成A)卷积层B)全连接层C)图像滤波层D)边缘提取层[多选题]147.计算图创建中包含的流程有A)创建日志B)开启autograph跟踪C)执行autographD)将计算图信息写入日志[多选题]148.程序语句tf.nn.dropout(x,keep_prob,noise_shape=None,seed=None,name=None)正确的描述为?A)第一个参数x:指输入。train的时候才是dropout起作用的时候B)第二个参数keep_prob:设置神经元被选中的概率,在初始化时keep_prob是一个占位符C)noise_shape:干扰形状。此字段默认是None,表示第一个元素的操作都是独立D)第五个参数name:指定该操作的名字[多选题]149.比alexnet网络性能好的网络有A)lenetB)alexnetC)resnetD)inception[多选题]150.对于矩阵A可以求逆,那么A必须A)是方阵B)行列式不为零C)任意矩阵D)行列式为1[多选题]151.随机梯度下降的特点是:A)mini-batch大小为1B)每次迭代有可能原理最优解C)永远不会收敛D)不能使用向量化加速[多选题]152.语句tf.nn.dropout(h_fc1,keep_prob)的意义是A)停止某些节点更新B)保留百分率为keep_prob的节点更新C)在全链接层有效D)可以停止任意层节点更新[多选题]153.被誉为近代人工智能领域的三驾马车的人物是:A)杨立坤YanLeCuB)辛顿C)BenGioD)比尔·盖茨[多选题]154.反向传播算法BP主要由两个环节()()反复循环迭代,直到网络的对输入的响应达到预定的目标范围为止。A)激励传播B)权重更新C)消息传播D)激活函数[多选题]155.神经风格迁移过程包括?A)创建网络B)损失函数最小化C)梯度下降过程LOSS最小化D)数据清洗[多选题]156.人工智能目前也分为：()A)强人工智能B)微型人工智能C)弱人工智能D)大型人工智能[多选题]157.dropout描述正确的是A)将部分数据永久失活B)训练时数据失活，测试时数据激活C)每次运算失活的神经元不同D)属于正则化处理方式[多选题]158.属于卷积的参数有A)strideB)kerner_sizeC)in_channelsD)out_channels[多选题]159.神经网络中超参数调试方法A)随机选择点来试验超参数效果B)当你给超参数取值时,另一个惯例是采用由粗糙到精细的策略。C)只调试容易的D)给定默认值即可[多选题]160.Logistic回归又称logistic(),是一种广义的(),常用于()等领域A)回归分析B)线性回归分析模型C)数据挖掘,经济预测D)疾病自动诊断[多选题]161.卷积操作的主要目的就是对图像进行（）A)增强B)降维C)理解D)特征提取[多选题]162.定义卷积核W_conv1=weight_variable([5,5,5,10])后A)尺寸5X5B)输入通道5C)输出通道5D)有10个卷积核[多选题]163.Sigmoid激活函数的用途是:A)解决非线性分类B)数据压缩至(0,1)C)是核函数D)解决线性分类问题[多选题]164.哪些是tensorflow的算术运算函数?A)add()B)subtract()C)multiply()D)div()[多选题]165.pytorch中lstm的输出值有A)每个时间步的预测B)最后的状态值C)最后的预测值D)每个时间步的状态值[多选题]166.对于w_data=np.mat([[1.0,3.0]]).T生成的张量维度是A)维度是(2,1)的张量B)是向量,值为[1,3]C)是矩阵[[1],[3]]D)是向量[[1,3]]的转置[多选题]167.Adagrad优化器需要执行的步骤是A)计算梯度B)累计平方梯度C)计算更新D)应用更新[多选题]168.关于sigmoid函数,它的性质有什么?A)概率平均B)能解决非线性分类问题C)将负的权值映射到正值D)将正权值映射到负数[多选题]169.在循环神经网络中,LSTM有哪几个门?A)输入门B)遗忘门C)输出门D)更新门[多选题]170.CNN的网络训练后,形成模块model,其中数据包括A)所有卷积核B)所有的poolingC)连接层权重D)relu[多选题]171.逻辑回归S型曲线描述正确的是：A)输出结果是-1~+1B)0.5是分类的阈值C)输出的结果为正类别概率D)导数范围为0~0.25[多选题]172.对于tf.nn.SoftMax函数,它可以:A)用于多类别分类B)映射到概率空间C)压缩数据D)用于卷积层[多选题]173.(Non-maximumsuppression,NMS)的本质是?A)搜索局部极大值B)抑制非极大值元素C)寻找出最小值D)寻找出阈值第3部分：判断题，共54题，请判断题目是否正确。[判断题]174.在tf语句中X.Value是将x中的内容取出。A)正确B)错误[判断题]175.梯度和损失函数一样,也是数量函数A)正确B)错误[判断题]176.RNN的结构与全连接网络基本不一致A)正确B)错误[判断题]177.隐藏层层数增加，模型能力增加。A)正确B)错误[判断题]178.使用池化的目的是降低图片的分辨率，减少参数学习的数量。A)正确B)错误[判断题]179.卷积神经网络的tensorflow框架中,tf.nn.avg_pool()可实现平均池化操作。A)正确B)错误[判断题]180.Mini-Batch梯度下降算法是批量梯度下降和随机梯度下降的折中。A)正确B)错误[判断题]181.出租车几何或曼哈顿距离(ManhattanDistance)是由十九世纪的赫尔曼·闵可夫斯基所创词汇A)正确B)错误[判断题]182.用sigmoid函数不能将运算映射到概率空间。A)正确B)错误[判断题]183.使用torchvision.datasets.ImageFolder根据图片目录创建图片数据集A)正确B)错误[判断题]184.每个神经元可以有多个输入和一个输出。A)正确B)错误[判断题]185.计算图只有在会话提供的环境中才能运行，分配计算资源。A)正确B)错误[判断题]186.循环神经网络的权重系数是共享的,即在一次迭代中,循环节点使用相同的权重系数处理所有的时间步。A)正确B)错误[判断题]187.人脸识别数据集通常是2分类图片A)正确B)错误[判断题]188.损失函数(lossfunction)是用来估量模型的预测值f(x)与真实值Y的不一致程度,它是一个非负实值函数,通常使用L(Y,f(x))来表示,损失函数越大,模型的鲁棒性就越好。A)正确B)错误[判断题]189.前向传播算法的作用是计算输入层结点对隐藏层结点的影响A)正确B)错误[判断题]190.LSTM(Longshort-termmemory),主要由四个Component组成:InputGate,OutputGate,MemoryCell以及ForgetGateA)正确B)错误[判断题]191.Sigmoid激活函数在神经网络中引入了非线性。A)正确B)错误[判断题]192.内置fit方法该方法功能非常强大可以通过设置回调函数实现对训练过程的复杂控制逻辑A)正确B)错误[判断题]193.在被卷积的2D图像上进行滑动,并在每个位置上与该像素点及其相领的像素点进行内积,这就是二维卷积的功能A)正确B)错误[判断题]194.对于一个固定划分,信息熵是针对全体概率事件的。A)正确B)错误[判断题]195.卷积函数在神经网络中引入了非线性。A)正确B)错误[判断题]196.在一个神经网络里，知道每一个神经元的权值和偏差值是最重要的一步。如果以某种方法知道了神经元准确的权重和偏差，就可以近似任何函数。实现这个最佳的办法是赋予一个初始值，通过检查跟最佳值的差值，然后迭代更新权重。A)正确B)错误[判断题]197.多分类是做人类验证的首选方式A)正确B)错误[判断题]198.|A|一定大于AA)正确B)错误[判断题]199.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)。A)正确B)错误[判断题]200.用卷积实现图像特征提取,就是借用共振原理。A)正确B)错误[判断题]201.Batch归一化增加了隐藏值分布变化的数量A)正确B)错误[判断题]202.独热编码没有什么作用A)正确B)错误[判断题]203.在卷积神经网络中，通过卷积核在图像滑动所生成的图像称为特征图。A)正确B)错误[判断题]204.BP传播算法,主要由两个环节即(激励传播、权重更新)反复循环迭代,直到网络对输入的响应达到预定的目标/期望范围为止A)正确B)错误[判断题]205.欧几里得距离,和曼哈顿距离的定义,互有矛盾。A)正确B)错误[判断题]206.如果增加神经网络的宽度，精确度会增加到一个阈值，然后开始降低。造成这一现象的原因可能是当核数量增加，其相关性增加，导致过拟合。A)正确B)错误[判断题]207.hinge是回归的损失函数A)正确B)错误[判断题]208.归一化是指将数据集数据缩放到0~1A)正确B)错误[判断题]209.信息熵是针对有限个概率事件的。A)正确B)错误[判断题]210.常用用的池化方式为mean-pooling,max-poolingA)正确B)错误[判断题]211.如果需要自己定义回调函数类的话，应该继承keras.callbacks.Callback类A)正确B)错误[判断题]212.激活函数会将数据变为非线性模式A)正确B)错误[判断题]213.在一个神经网络里，知道每一个神经元的权值和偏差值是最重要的一步。如果以某种方法知道了神经元准确的权重和偏差，就可以近似任何函数。实现这个最佳的办法是随机赋值。A)正确B)错误[判断题]214.一个循环神经网络可以被展开成为一个完全连接的，具有无限长度的普通神经网络，这种说法是AA)正确B)错误[判断题]215.损失函数是经验风险函数的核心部分,也是结构风险函数重要组成部分A)正确B)错误[判断题]216.GRU单元有记忆细胞CellA)正确B)错误[判断题]217.所谓损失函数,只有在训练的时候才参与运算,在训练以后,测试或应用中无需损失函数。A)正确B)错误[判断题]218.动态计算图无序开启sessionA)正确B)错误[判断题]219.两个信号序列形状相似,其相关系数也大。A)正确B)错误[判断题]220.在使用DropOut机制的模型中，预测时所有节点都会被打开。A)正确B)错误[判断题]221.若batchsize过小，batchnormalization的效果会出现退化。A)正确B)错误[判断题]222.概率空间的样本点,其对应概率必须相等。A)正确B)错误[判断题]223.Alexnet网络最早使用一块GPU完成运算A)正确B)错误[判断题]224.MNIST验证集数据样本的形状为(10000,784)。A)正确B)错误[判断题]225.BP神经网络也被称为全连接神经网络。A)正确B)错误[判断题]226.深度学习是隐藏层更多的人工神经网络模型A)正确B)错误[判断题]227.张量维度或形状,是用一个向量描述。A)正确B)错误第4部分：问答题，共33题，请在空白处填写正确答案。[问答题]228.importtensorflowastfX=tf.Variable([1,2])A=tf.constant([3,3])Sub=tf.subtract(x,a)Add=tf.add(x,a)Init=tf.global_variables_initializer()Withtf.Session()assess:sess.run(init)print(sess.run(add))该程序输出结果为______。[问答题]229.简述tensorflow深度学习框架的特点[问答题]230.什么是过拟合？什么是欠拟合？[问答题]231.声明一个常量c，初值为4，代码为_____。[问答题]232.占位符和变量的区别是什么？[问答题]233.什么是dropout操作？[问答题]234.请你说说深度学习你都知道哪些框架？[问答题]235.简述卷积的物理意义。[问答题]236.一个设计良好的CNN架构会突出那些重要的信息，而将()忽略。[问答题]237.深度学习的应用领域包括_____、语音识别、自然语言处理和智能医疗等。[问答题]238.简述神经网络学习的步骤[问答题]239.使用深度学习的情感分析是多对一的预测任务AA)对B)错[问答题]240.CNN中padding的作用是什么？[问答题]241.寻找最优参数问题的结果过程称为_______[问答题]242.神经网络的激活函数必须使用_______[问答题]243.在MNIST数据集中，标签数据为_______表示。[问答题]244.编程：分别在两个不同的命令空间中定义两个变量，并在会话中输出变量名称。[问答题]245.指数衰减学习率函数中，参数衰减系数的大小区间为______。[问答题]246.Relu激活函数的优缺点？[问答题]247.在TensorFlow中，占位符和变量的区别是什么?[问答题]248.梯度下降算法的一般步骤?[问答题]249.循环神经网络，为什么好?[问答题]250.编程：给定神经网络的输入，神经网络的结构以及边上权重，就可以通过前向传播算法来计算出神经网络的输出。[问答题]251.权值的初始值应设定为较_______值[问答题]252.修改x轴刻度的方法_______[问答题]253.编程：使用dropout机制防过拟合，留存率为50%。[问答题]254.编程：创建常量op实现乘法运算。[问答题]255.反向传播的原理是基于_______[问答题]256.tensor表示_____。[问答题]257.间距运算中，增大步幅后，输出大小会_______[问答题]258.state=tf.Variable(0,name='counter')New_value=tf.add(state,1)Update=tf.assign(state,new_value)Init=tf.global_variables_initializer()Withtf.Session()assess:sess.run(init)print(sess.run(state))for_inrange(5)sess.run(update)print(sess.run(state))该程序输出结果为_______。[问答题]259.加深层可以_______地传递信息[问答题]260.reduce_sum()函数所做的操作为________。1.答案:A解析:难易程度：易题型：2.答案:C解析:3.答案:A解析:难易程度：易题型：4.答案:A解析:5.答案:C解析:6.答案:B解析:难易程度：易题型：7.答案:D解析:难易程度：易题型：8.答案:D解析:难易程度：易题型：9.答案:A解析:10.答案:C解析:11.答案:D解析:12.答案:A解析:13.答案:B解析:14.答案:C解析:15.答案:A解析:16.答案:A解析:难易程度：易题型：17.答案:A解析:18.答案:A解析:难易程度：易题型：19.答案:C解析:难易程度：中题型：20.答案:B解析:21.答案:B解析:22.答案:B解析:23.答案:A解析:24.答案:D解析:难易程度：中题型：25.答案:A解析:26.答案:B解析:27.答案:B解析:28.答案:B解析:29.答案:D解析:难易程度：易题型：30.答案:B解析:31.答案:B解析:BatchNormalization是一种深度学习中减少泛化误差的正则化方法，主要是通过缓解梯度下降加速网络的训练，防止过拟合，降低了参数初始化的要求32.答案:C解析:33.答案:D解析:34.答案:C解析:35.答案:C解析:36.答案:D解析:难易程度：中题型：37.答案:A解析:38.答案:A解析:39.答案:B解析:alexnet首次使用relu函数40.答案:A解析:41.答案:B解析:42.答案:B解析:43.答案:B解析:44.答案:D解析:45.答案:B解析:46.答案:A解析:47.答案:C解析:48.答案:D解析:49.答案:A解析:50.答案:C解析:51.答案:A解析:52.答案:A解析:同一组云资源需要被多个不同账户控制时，用户可以使用策略控制管理对云资源的访问权限。53.答案:D解析:print(sys.version)print(system.version)print(sys.Version)print(sys.version)难易程度：易题型：54.答案:B解析:难易程度：易题型：55.答案:A解析:56.答案:A解析:57.答案:A解析:难易程度：易题型：58.答案:C解析:59.答案:A解析:60.答案:B解析:人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器61.答案:B解析:62.答案:A解析:63.答案:A解析:64.答案:C解析:65.答案:D解析:难易程度：易题型：66.答案:B解析:67.答案:A解析:68.答案:A解析:69.答案:C解析:70.答案:C解析:71.答案:D解析:72.答案:A解析:73.答案:D解析:74.答案:C解析:75.答案:C解析:76.答案:D解析:77.答案:C解析:78.答案:B解析:79.答案:B解析:80.答案:C解析:Dropout包括在训练中每次更新时，将输入单元的按比率随机设置为0，这有助于防止过拟合。81.答案:C解析:82.答案:A解析:83.答案:B解析:84.答案:B解析:85.答案:A解析:86.答案:B解析:87.答案:A解析:88.答案:D解析:卷积中数据维度为[样本个数，高度，宽度，通道数]89.答案:A解析:90.答案:A解析:难易程度：易题型：91.答案:D解析:92.答案:A解析:93.答案:D解析:94.答案:C解析:95.答案:A解析:难易程度：易题型：96.答案:B解析:97.答案:D解析:难易程度：易题型：98.答案:D解析:99.答案:B解析:100.答案:C解析:101.答案:A解析:102.答案:D解析:103.答案:D解析:104.答案:C解析:105.答案:C解析:106.答案:C解析:难易程度：易题型：107.答案:C解析:批量图片，视频都可以是四维的108.答案:C解析:109.答案:C解析:难易程度：中题型：110.答案:A解析:111.答案:A解析:难易程度：易题型：112.答案:C解析:113.答案:C解析:114.答案:C解析:115.答案:C解析:116.答案:C解析:117.答案:A解析:118.答案:A解析:119.答案:A解析:120.答案:A解析:121.答案:D解析:122.答案:B解析:难易程度：易题型：123.答案:C解析:124.答案:D解析:125.答案:A解析:126.答案:A解析:127.答案:B解析:128.答案:B解析:129.答案:C解析:130.答案:B解析:131.答案:B解析:132.答案:B解析:难易程度：易题型：下面代码的输出结果是x=12.34print(type(x))（）难易程度：易题型：133.答案:BCD解析:134.答案:ABCD解析:135.答案:AC解析:136.答案:ABCD解析:137.答案:AB解析:138.答案:CD解析:139.答案:AB解析:140.答案:ABCD解析:141.答案:ABCD解析:142.答案:ABCD解析:143.答案:ABC解析:144.答案:AB解析:145.答案:ABCD解析:146.答案:AB解析:147.答案:ABCD解析:148.答案:ABCD解析:149.答案:CD解析:150.答案:AB解析:151.答案:ABCD解析:152.答案:ABCD解析:153.答案:ABC解析:154.答案:AB解析:155.答案:ABC解析:156.答案:AC解析:人工智能目前也分为：强人工智能(BOTTOM-UPAI)和弱人工智能(TOP-DOWNAI)157.答案:BCD解析:158.答案:ABCD解析:159.答案:AB解析:160.答案:ABCD解析:161.答案:BD解析:162.答案:ABD解析:163.答案:AB解析:164.答案:ABCD解析:165.答案:ABC解析:166.答案:ACD解析:167.答案:ABCD解析:168.答案:BC解析:169.答案:ABC解析:170.答案:ABCD解析:171.答案:BCD解析:172.答案:ABC解析:173.答案:AB解析:174.答案:错解析:175.答案:错解析:176.答案:错解析:177.答案:错解析:178.答案:对解析:179.答案:对解析:180.答案:对解析:181.答案:对解析:182.答案:错解析:183.答案:对解析:184.答案:对解析:185.答案:对解析:186.答案:对解析:187.答案:对解析:188.答案:错解析:189.答案:对解析:190.答案:对解析:191.答案:对解析:192.答案:对解析:193.答案:对解析:194.答案:对解析:195.答案:错解析:196.答案:对解析:197.答案:错解析:198.答案:错解析:199.答案:对解析:200.答案:错解析:201.答案:错解析:202.答案:错解析:203.答案:对解析:204.答案:对解析:205.答案:错解析:206.答案:对解析:207.答案:错解析:208.答案:对解析:209.答案:对解析:210.答案:对解析:211.答案:对解析:212.答案:对解析:213.答案:错解析:214.答案:对解析:215.答案:对解析:21