人工智能训练师(五级)理论考试卷含答案

人工智能训练师(五级)理论考试卷含答案一、单项选择题（每题1分，共30分。每题只有一个正确答案，请将正确选项的字母填在括号内）1.在监督学习框架下，训练集的标签信息主要用于（）A.降维B.特征选择C.损失计算与参数更新D.数据增强2.下列关于梯度下降法的描述，正确的是（）A.学习率越大收敛越稳定B.批量梯度下降每次迭代仅使用一个样本C.随机梯度下降具有天然噪声，有助于逃离局部极小D.Adam优化器不能调节学习率3.在卷积神经网络中，若输入特征图为32×32×64，采用64个3×3卷积核，步长为1，same填充，则输出特征图的尺寸为（）A.30×30×64B.32×32×64C.64×64×64D.32×32×1284.下列激活函数中，在x=0处不可导的是（）A.SigmoidB.TanhC.ReLUD.LeakyReLU5.在Python中，使用NumPy将形状为(784,1)的数组转为(28,28)的矩阵，正确语句是（）A.arr.reshape(28,28)B.arr.resize(28,28)C.arr.transpose()D.arr.flatten()6.当模型在训练集准确率持续上升，但在验证集准确率震荡下降，最可能的原因是（）A.欠拟合B.过拟合C.梯度消失D.梯度爆炸7.在NLP任务中，Word2Vec的Skip-gram模型目标是（）A.根据上下文预测中心词B.根据中心词预测上下文C.最大化句子似然D.最小化交叉熵8.下列关于数据归一化的说法，错误的是（）A.可加速模型收敛B.对基于树的模型同样必要C.可将特征缩放到0~1区间D.可减小不同量纲带来的偏差9.在K折交叉验证中，若K=5，数据集大小为10000，则每次验证集大小为（）A.5000B.2000C.1000D.800010.使用早停（EarlyStopping）策略时，通常监控的指标是（）A.训练损失B.验证损失C.训练准确率D.参数L2范数11.在PyTorch中，将模型设为评估模式的语句是（）A.model.train()B.model.eval()C.model.test()D.model.validate()12.下列关于Dropout的说法，正确的是（）A.推理阶段仍需随机失活神经元B.可视为集成学习的近似C.只能用于全连接层D.会显著增加训练时间13.若某二分类任务的正负样本比例为1:99，宜采用的评价指标是（）A.准确率B.精确率C.F1-scoreD.AUC-ROC14.在目标检测任务中，IoU的计算公式为（）A.交集/并集B.并集/交集C.交集/预测框D.并集/真实框15.当使用预训练模型进行迁移学习时，冻结底层权重的主要目的是（）A.增加参数量B.保留低层通用特征C.提高学习率D.减少推理时间16.在生成对抗网络中，生成器G的目标函数为（）A.最小化log(D(G(z)))B.最大化log(1−D(G(z)))C.最小化log(1−D(G(z)))D.最大化log(D(x))17.下列关于BERT的说法，错误的是（）A.采用双向Transformer编码器B.预训练任务包含MLM与NSPC.微调时需重新训练词嵌入D.可用于文本分类、问答等下游任务18.在模型部署阶段，TensorRT的主要作用是（）A.数据标注B.模型压缩与加速C.自动调参D.可视化19.若某深度学习模型权重呈NaN，最可能的原因是（）A.学习率过小B.梯度爆炸C.批归一化失效D.权重衰减过大20.在联邦学习框架下，参数聚合常用的算法是（）A.FedAvgB.SGDC.AdamD.RMSprop21.下列关于模型可解释性的方法，属于事后解释的是（）A.决策树B.LIMEC.线性回归D.规则列表22.在图像分割任务中，Dice系数的取值范围是（）A.[0,1]B.[-1,1]C.[0,+∞)D.(-∞,+∞)23.当使用混合精度训练时，需特别关注的潜在问题是（）A.权重下溢B.梯度溢出C.数据缺失D.批大小过大24.在强化学习中，Q-learning的更新公式为（）A.Q(s,a)←Q(s,a)+α[r+γmaxQ(s′,a′)−Q(s,a)]B.Q(s,a)←r+γmaxQ(s′,a′)C.Q(s,a)←αrD.Q(s,a)←log(r)25.下列关于AutoML的说法，正确的是（）A.完全无需人工干预B.可自动搜索网络结构C.仅适用于图像任务D.无法调整超参数26.在模型蒸馏中，学生模型主要学习教师模型的（）A.参数值B.输出软分布C.损失函数D.优化器状态27.当使用LSTM处理长序列时，遗忘门的作用为（）A.增加细胞状态B.重置细胞状态C.控制细胞状态丢弃比例D.输出隐藏状态28.在数据增强中，MixUp方法的核心操作是（）A.随机裁剪B.随机擦除C.线性插值生成新样本D.颜色抖动29.下列关于模型版本管理工具的说法，错误的是（）A.MLflow可记录参数与指标B.DVC可管理大型数据文件C.GitLFS无法追踪模型权重D.Weights&Biases支持可视化30.在边缘计算场景部署模型时，首要考虑的限制因素是（）A.显存与功耗B.批大小C.学习率D.优化器类型二、多项选择题（每题2分，共20分。每题有两个或两个以上正确答案，请将所有正确选项的字母填在括号内，漏选、错选均不得分）31.下列措施中，有助于缓解过拟合的有（）A.增加训练数据B.使用DropoutC.减小网络深度D.提前终止训练32.关于BatchNormalization的作用，正确的有（）A.缓解内部协变量偏移B.可使用较大学习率C.轻微正则化效果D.仅能在卷积层使用33.在模型压缩技术中，属于参数级压缩的方法有（）A.剪枝B.量化C.知识蒸馏D.权值共享34.下列评价指标中，适用于多分类任务的有（）A.Macro-F1B.Micro-F1C.AUC-ROCD.Cohen’sKappa35.在PyTorch中，以下哪些操作会阻断梯度回传（）A.tensor.detach()B.withtorch.no_grad():C.loss.backward()D.tensor.data36.关于Transformer的自注意力机制，正确的有（）A.可并行计算B.捕获长距离依赖C.计算复杂度与序列长度呈线性关系D.使用缩放点积37.在目标检测模型YOLOv5中，下列属于其Head部分输出内容的有（）A.边界框坐标B.目标置信度C.类别概率D.锚框尺寸38.下列关于模型公平性的指标，属于群体公平性的有（）A.人口统计均等B.机会均等C.个体公平性D.校准性39.在数据标注质量控制中，可采用的策略有（）A.多人标注一致性检验B.标注员培训C.随机抽查D.自动标注替代人工40.下列关于深度学习框架对比的说法，正确的有（）A.TensorFlow2.x默认动态图B.PyTorch支持动态图C.PaddlePaddle不支持移动端部署D.MindSpore支持图算融合三、判断题（每题1分，共10分。正确请填“√”，错误填“×”）41.ReLU激活函数在负数区间梯度为0，易导致神经元“死亡”。（）42.增加批大小一定会提升模型泛化性能。（）43.在模型评估阶段，测试集可用于调参。（）44.使用学习率预热可缓解训练初期不稳定问题。（）45.梯度裁剪主要用于解决梯度消失问题。（）46.在图像分类任务中，混淆矩阵对角线元素表示正确预测数量。（）47.知识蒸馏中，温度参数T越大，软分布越尖锐。（）48.联邦学习可保证各参与方原始数据不出本地。（）49.模型可解释性越高，其性能必然越好。（）50.在边缘端部署INT8量化模型，推理速度通常快于FP32。（）四、填空题（每空2分，共20分）51.若某全连接层输入维度为512，输出维度为256，则该层参数量为________。52.在Python中，使用NumPy计算两个向量的余弦相似度，可调用函数________。53.当使用交叉熵损失时，若预测概率为0，需做________处理避免log(0)。54.在卷积神经网络中，感受野是指________。55.若某模型在测试集上的TP=80，FP=20，FN=30，则召回率为________。56.在Transformer中，位置编码使用________函数生成正弦与余弦信号。57.模型蒸馏损失通常由________损失与软损失加权求和组成。58.在强化学习中，探索与利用的平衡常采用________算法。59.使用ONNX导出模型时，需调用torch.onnx.export并指定________参数为模型输入样例。60.在模型监控阶段，若数据漂移超过阈值，应触发________流程。五、简答题（每题10分，共30分）61.简述批量归一化（BatchNormalization）的计算流程，并说明其在训练与推理阶段的差异。62.说明模型剪枝的三类典型方法，并分析各自的优缺点。63.给出联邦学习在跨机构医疗影像分析中的实施步骤，并指出潜在风险与缓解方案。六、计算题（每题10分，共20分）64.已知某二分类任务的正负样本数分别为800与200，模型预测结果如下：TP=720，FP=80，TN=120，FN=80。(1)计算精确率、召回率、F1-score；(2)若将分类阈值从0.5下调至0.3，TP增加40，FP增加60，其余不变，求新的F1-score，并比较结果。65.给定一个3×3输入矩阵X=[与卷积核K=[步长为1，无填充。(1)计算输出特征图；(2)若采用最大池化，池化核2×2，步长2，求池化后结果。七、综合分析题（20分）66.某电商公司拟基于用户评论进行情感分析，数据包含200万条中文评论，类别为正面、负面、中性。公司要求模型在边缘设备（ARMCortex-A53，1GBRAM）上实时推理，延迟<100ms，准确率>90%。请从数据、模型、训练、部署四个维度提出完整技术方案，并说明如何评估与持续优化。【答案与解析】一、单项选择题1.C2.C3.B4.C5.A6.B7.B8.B9.B10.B11.B12.B13.D14.A15.B16.C17.C18.B19.B20.A21.B22.A23.B24.A25.B26.B27.C28.C29.C30.A二、多项选择题31.ABCD32.ABC33.ABD34.ABD35.AB36.ABD37.ABC38.AB39.ABC40.ABD三、判断题41.√42.×43.×44.√45.×46.√47.×48.√49.×50.√四、填空题51.131328（512×256+256）52.numpy.dot/numpy.linalg.norm53.加epsilon平滑54.输出特征图上一点对应输入图像的区域大小55.0.727（80/(80+30)）56.sin/cos57.硬（ground-truth）58.ε-greedy或UCB59.args60.模型重训练或增量更新五、简答题（要点示例）61.流程：①计算批均值μ；②计算批方差σ²；③归一化得x̂；④缩放平移得y=γx̂+β。训练阶段μ、σ²来自当前批；推理阶段使用移动平均的μ、σ²，且无需更新。62.方法：①权重剪枝（非结构化）——简单但需稀疏库支持；②通道剪枝（结构化）——硬件友好但可能掉点；③梯度/敏感度剪枝——精度高但计算复杂。63.步骤：①数据标准化脱敏；②同态加密或差分隐私；③本地训练；④梯度聚合；⑤全局更新；⑥迭代至收敛。风险：梯度泄露、非独立同分布、通信开销。缓解：安全聚合、个性化层、模型压缩、自适应聚合。六、计算题64.(1)精确率=720/(720+80)=0.9；召回率=720/(720+80)=0.9；F1=2×0.9×0.9/(0.9+0.9)=0.9。(2)新TP=760，FP=140，FN=40；精确率=760/900=0.844；召回率=760/800=0.95；F1=2×0.