昇腾AI开发者培训结班考核试题及答案解析

昇腾AI开发者培训结班考核试题及答案解析一、判断题（每题2分，共5题）1.训练CNN时，可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。A.对B.错答案：A解析：CNN训练中通过旋转、平移、缩放等数据增强操作，可扩充数据多样性，有效提升模型泛化能力。2.和传统机器学习相比，深度学习的特征可解释性较强。A.对B.错答案：B解析：深度学习为端到端自动提取特征，特征可解释性弱；传统机器学习特征人工设计，可解释性更强。3.当问题的解决方案很复杂，或者问题可能涉及到大量的数据却没有明确的数据分布函数时，比较适合使用机器学习方法。A.对B.错答案：A解析：机器学习擅长处理复杂、无明确分布函数的海量数据问题，是此类场景的优选方案。4.大型语言模型在生成文本时不会受到训练数据中存在的偏见影响。A.对B.错答案：B解析：大模型的知识来源于训练数据，会继承训练数据中的偏见，需通过优化手段降低偏见影响。5.RAG为大模型提供实时企业知识减少大模型幻觉。A.对B.错答案：A解析：RAG通过检索外部实时知识库为生成提供依据，可大幅降低大模型虚构内容（幻觉）的概率。二、单项选择题（每题3分，共15题）1.监督学习中的目标变量是（）A.已知的B.未知的C.不存在的D.不相关的答案：A解析：监督学习的核心是使用带标签（目标变量已知）的数据训练模型，学习输入到输出的映射关系。2.在梯度下降中，学习率（LearningRate）决定了什么？（）A.数据量B.参数更新的步长C.模型的复杂度D.数据的维度答案：B解析：学习率是梯度下降的超参数，直接控制模型参数每次更新的步长大小。3.梯度下降的目标是最小化什么？（）A.损失函数B.特征数量C.数据维度D.训练时间答案：A解析：梯度下降的核心目标是通过迭代更新参数，最小化模型预测值与真实值的损失函数。4.在决策树算法中，以下哪一个是超参数？（）A.节点分裂标准B.最大深度C.叶子节点数量D.树的根节点答案：B解析：决策树的最大深度需人工预先设定，属于超参数；节点分裂标准、叶子节点数量、根节点为模型训练生成或选择项。5.网格搜索的主要缺点是？（）A.结果不稳定B.容易过拟合C.容易欠拟合D.计算复杂度高答案：D解析：网格搜索需遍历所有超参数组合，超参数较多时计算量极大，计算复杂度高。6.梯度下降算法的正确步骤是什么?a.计算预测值和真实值之间的误差b.重复迭代，直至得到网络权重的最佳值c.把输入传入网络，得到输出值d.用随机值初始化权重和偏差e.对每一个产生误差的神经元，调整相应的（权重）值以减小误差A.abcdeB.edcbaC.cbaedD.dcaeb答案：D解析：梯度下降标准步骤：初始化权重偏差→输入得输出→计算误差→调整权重→迭代至最优，即dcaeb。7.卷积后输出特征的深度（channel）由下列哪个参数决定？A.卷积核的大小B.卷积核的数量C.卷积核的深度D.原始数据的深度答案：B解析：卷积输出特征图的通道数（深度），与使用的卷积核数量完全一致。8.输入一个32x32的图像，用大小为5x5的卷积核进行步长为1的卷积计算，输出的图像尺寸为？A.28x23B.29x29C.28x28D.23x23答案：C解析：输出尺寸计算公式：输出尺寸=输入尺寸-卷积核尺寸+1，32-5+1=28，即28x28。9.下列关于RNN和LSTM的叙述中，错误的是哪一个选项？A.如果输入的序列太长，RNN模型可能会发生梯度消失的问题，遗忘先前的信息B.LSTM是长短期记忆网络，是一种时间循环神经网络C.LSTM不适合处理时间序列中间隔和延迟相对较长的重要事件D.基于LSTM可学习翻译语言、控制机器人、文档摘要、聊天机器人等任务答案：C解析：LSTM专为解决长序列梯度消失问题设计，适合处理间隔和延迟较长的时间序列事件，C表述错误。10.一个含有2个隐藏层的多层感知机（MLP），神经元个数都为20，输入和输出节点分别有8和5个节点，这个网络有多少权重值?A.660B.53C.440D.269答案：A解析：权重计算：输入→隐藏层1：8×20=160；隐藏层1→隐藏层2：20×20=400；隐藏层2→输出：20×5=100；总和160+400+100=660。11.在生成对抗网络（GAN）中，存在多个不同的网络互相对抗，它们是？A.编码器B.判别器C.解码器D.生成器答案：B解析：GAN由生成器（生成假样本）和判别器（区分真假样本）互相对抗训练，判别器为核心对抗网络之一。12.大模型和小模型相比，主要优势是什么？A.更低的计算成本B.更高的训练速度C.更强的通用性和泛化能力D.更少的数据需求答案：C解析：大模型参数量大、学习能力强，相比小模型具备更强的通用性与泛化能力。13.RAG技术中，知识库检索的结果如何用于生成回答？A.忽略检索结果，完全依赖生成模型B.将检索结果与用户查询一起输入到生成模型C.直接将检索结果作为回答D.仅在生成模型无法生成时使用检索结果答案：B解析：RAG核心逻辑是将检索到的知识库内容与用户问题拼接，一同输入大模型生成精准回答。14.RAG和微调的主要区别在于？A.微调适合所有任务B.微调是基于已有模型的训练，而RAG不改变模型C.RAG依赖外部知识库，而微调不需要D.RAG生成速度更快答案：B解析：微调会更新模型参数，RAG仅检索外部知识、不修改模型参数，为二者核心区别。15.未来大模型应用构建最主要的范式？A.RAGB.API调用C.SFT微调D.Agent智能体答案：D解析：Agent智能体具备自主规划、执行、反思能力，是未来大模型落地应用的核心主流范式。三、多项选择题（每题3分，共10题）1.下面哪些是训练模型时会定义的超参数？A.训练轮次（epoch）B.批次大小（batchsize）C.学习率（learningrate）D.损失值（loss）答案：ABC解析：训练轮次、批次大小、学习率为人工设定的超参数；损失值为模型训练计算得出，非超参数。2.以下关于数据集的描述中，哪些选项是正确的？A.在机器学习任务中使用的一组数据，其中的每一个数据称为一个样本B.反映样本在某方面的表现或性质的事项或属性称为特征C.训练过程中使用的数据集中的每个样本称为训练样本D.从数据中学得模型的过程称为学习（训练）答案：ABCD解析：以上四项均为机器学习数据集与训练过程的标准定义。3.以下哪些算法属于集成学习？A.支持向量机B.随机森林C.AdaBoostD.决策树答案：BC解析：随机森林（多决策树集成）、AdaBoost（迭代加权集成）属于集成学习；支持向量机、决策树为单模型算法。4.在深度学习神经网络训练过程中经常使用优化器加快训练速度，以下哪些优化器针对学习率进行了优化？A.动量优化器B.Adagrad优化器C.RMSprop优化器D.Adam优化器答案：BCD解析：Adagrad、RMSprop、Adam均对学习率进行自适应优化；动量优化器主要解决梯度下降震荡问题。5.深度学习中，以下哪些方法可以缓解模型过拟合？A.增加更多训练样本B.DropoutC.增大模型复杂度，提高在训练集上的效果D.加入正则项答案：ABD解析：增加样本、Dropout、正则项均可缓解过拟合；增大模型复杂度会加重过拟合。6.下列哪些函数适合作为激活函数?A.sigmoid函数B.ReLU函数C.y=tanh（x）D.y=2x答案：ABC解析：sigmoid、ReLU、tanh为深度学习常用激活函数；y=2x为线性函数，无激活作用。7.训练与推理的区别在于？A.推理过程利用已训练的模型B.训练过程需要大量数据C.训练是为了优化模型参数D.推理过程中模型参数会改变答案：ABC解析：训练用大量数据优化参数，推理使用训练好的模型、参数不改变，D表述错误。8.一个好的Prompt编写框架应该包括哪些内容？A.定目标：让大模型理解意图与目标B.补充要求：让大模型知道回答需要注意什么C.论述问题：让大模型了解用户所在的上下文环境D.立角色：让大模型按角色角度思考问题并给出答案答案：ABCD解析：优质Prompt需包含角色、目标、上下文、要求四大核心要素，四项均正确。9.本地部署的优点有?A.高数据隐私安全性B.定制化和