2026年初级人工智能训练师(五级)资格理论考试题库(含答案)

2026年初级人工智能训练师(五级)资格理论考试题库(含答案)一、单项选择题（每题1分，共40分。每题只有一个正确答案，请将正确选项字母填入括号内）1.在监督学习中，训练集的标签信息主要用于（）。A.降维B.特征选择C.参数更新D.数据清洗答案：C2.下列激活函数中，输出范围在(0,1)之间的是（）。A.ReLUB.TanhC.SigmoidD.LeakyReLU答案：C3.若某分类模型在验证集上的准确率为95%，召回率为90%，则其F1-score约为（）。A.0.92B.0.93C.0.94D.0.95答案：A4.在K-近邻算法中，若k值设置过大，最可能导致的后果是（）。A.过拟合B.欠拟合C.维度灾难D.梯度消失答案：B5.卷积神经网络中，用于保持特征图尺寸相同的填充方式称为（）。A.ValidB.SameC.FullD.Causal答案：B6.在PyTorch中，将张量从CPU迁移到CUDA的指令是（）。A..cuda()B..gpu()C..to("gpu")D..device("cuda")答案：A7.下列损失函数中，适用于多分类任务且输出为概率分布的是（）。A.MSEB.HingeLossC.Cross-EntropyD.MAE答案：C8.当学习率过高时，模型训练过程通常表现为（）。A.损失缓慢下降B.损失震荡且不收敛C.梯度消失D.过拟合答案：B9.在数据增强技术中，对图像进行随机旋转的主要目的是（）。A.减少计算量B.增加样本多样性C.降低分辨率D.压缩存储空间答案：B10.决策树划分节点的常用指标不包括（）。A.信息增益B.基尼系数C.均方误差D.轮廓系数答案：D11.BatchNormalization层在训练阶段统计的均值和方差主要用于（）。A.梯度裁剪B.推理阶段标准化C.权重初始化D.学习率调整答案：B12.若某深度学习模型出现梯度消失，下列方法中最直接有效的是（）。A.增加批大小B.使用残差连接C.降低学习率D.增加Dropout率答案：B13.在文本预处理中，将“running”还原为“run”的过程称为（）。A.分词B.词干提取C.词性标注D.命名实体识别答案：B14.使用早停（EarlyStopping）策略时，监控指标通常选择（）。A.训练损失B.验证损失C.训练精度D.测试精度答案：B15.在YOLOv5中，负责预测目标框中心点偏移量的分支是（）。A.clsB.objC.xyD.wh答案：C16.下列评价指标中，对类别不平衡最不敏感的是（）。A.准确率B.宏平均F1C.加权F1D.AUC-ROC答案：D17.在Python中，使用NumPy将列表[1,2,3]转换为浮点型数组的正确写法是（）。A.np.array([1,2,3],dtype=float32)B.np.float([1,2,3])C.np.asarray([1,2,3],float)D.np.cast([1,2,3],"float32")答案：A18.当特征维度远大于样本量时，首选的降维方法是（）。A.LDAB.PCAC.t-SNED.Autoencoder答案：B19.在联邦学习中，中心服务器聚合客户端模型参数常用的算法是（）。A.FedAvgB.SGDC.AdamD.RMSProp答案：A20.若某模型在测试集上AUC=0.5，则其分类性能等价于（）。A.随机猜测B.完美分类C.欠拟合D.过拟合答案：A21.在Transformer中，位置编码使用三角函数的主要原因是（）。A.可学习参数少B.支持任意长度C.计算速度快D.以上皆是答案：B22.使用混合精度训练时，需要同时维护FP16与FP32两份权重的目的是（）。A.提高显存占用B.防止梯度下溢C.加快I/OD.减少缓存答案：B23.在模型蒸馏中，学生模型学习教师模型的主要信息是（）。A.权重B.激活值C.软标签D.梯度答案：C24.下列优化器中，自带动量机制的是（）。A.SGDB.AdaGradC.RMSPropD.Adam答案：D25.在图像分割任务中，DiceLoss的取值范围是（）。A.[0,1]B.[-1,1]C.[0,+∞)D.(-∞,+∞)答案：A26.当使用DataLoader时，设置num_workers>0的主要作用是（）。A.增加批大小B.多进程加速数据读取C.打乱顺序D.自动内存优化答案：B27.在PyTorch中，要冻结某层参数，应设置其属性（）。A.requires_grad=FalseB.trainable=FalseC.eval=TrueD.buffer=True答案：A28.若某模型参数量为1.2×10^8，使用FP32存储所需内存约为（）MB。A.458B.476C.488D.512答案：B29.在目标检测中，IoU=0.7表示预测框与真实框的（）。A.中心距离B.重叠度C.尺度比D.类别一致率答案：B30.使用TensorBoard时，记录标量的方法是（）。A.writer.add_scalar()B.writer.log()C.writer.record()D.writer.plot()答案：A31.在LSTM中，控制信息遗忘的门控是（）。A.输入门B.遗忘门C.输出门D.更新门答案：B32.当批大小=64，总样本=10000，一个epoch的迭代次数为（）。A.156B.157C.160D.164答案：B33.在图像分类中，使用CutMix增强后，标签变为（）。A.One-hotB.多标签C.混合比例向量D.不变答案：C34.下列关于ROC曲线的说法正确的是（）。A.越靠近左上角性能越好B.越靠近右下角性能越好C.面积越小性能越好D.与阈值无关答案：A35.在模型部署阶段，TensorRT的主要作用是（）。A.数据清洗B.图优化与加速C.可视化D.超参搜索答案：B36.使用K-fold交叉验证的主要目的是（）。A.增加数据B.降低方差C.提高精度D.减少训练时间答案：B37.在文本分类中，若词汇表大小为20000，嵌入维度为300，则嵌入层参数量为（）。A.6×10^5B.6×10^6C.6×10^7D.6×10^4答案：B38.当模型出现ModeCollapse时，通常发生在（）训练过程。A.GANB.CNNC.RNND.K-means答案：A39.在AutoML中，负责搜索网络拓扑的算法是（）。A.GridSearchB.RandomSearchC.NASD.BayesianOptimization答案：C40.使用混合增强（MixUp）时，损失函数计算需引入（）。A.权重衰减B.混合比例λC.学习率D.动量答案：B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，多选、少选、错选均不得分）41.下列属于无监督学习任务的有（）。A.K-means聚类B.PCA降维C.关联规则挖掘D.逻辑回归答案：ABC42.关于卷积核的说法正确的有（）。A.可以检测边缘B.参数共享减少计算量C.越大越好D.可学习答案：ABD43.在模型评估中，可能导致过拟合的现象有（）。A.训练损失持续下降而验证损失上升B.训练精度100%但测试精度70%C.验证AUC持续上升D.训练损失与验证损失同步下降答案：AB44.下列属于正则化技术的有（）。A.L2权重衰减B.DropoutC.BatchNormalizationD.早停答案：ABD45.在PyTorch中，以下能正确创建二维张量的有（）。A.torch.tensor([[1,2],[3,4]])B.torch.zeros(2,2)C.torch.rand(2,2)D.torch.Tensor([1,2,3,4])答案：ABC46.关于学习率调度策略，下列说法正确的有（）。A.StepLR按固定步长衰减B.CosineAnnealingLR可周期性调整C.ReduceLROnPlateau根据指标自动衰减D.学习率越大收敛越稳定答案：ABC47.在目标检测中，以下属于Anchor-Free方法的有（）。A.CenterNetB.FCOSC.YOLOv3D.CornerNet答案：ABD48.下列操作会改变模型结构的有（）。A.剪枝B.知识蒸馏C.NAS搜索D.量化答案：AC49.关于Transformer自注意力机制，正确的有（）。A.计算Q、K、VB.可并行C.复杂度与序列长度线性相关D.捕获长距离依赖答案：ABD50.在联邦学习场景下，面临的主要挑战有（）。A.数据异构B.通信开销C.隐私泄露D.参数过大答案：ABC三、填空题（每空1分，共20分）51.若某卷积层输入尺寸为32×32×3，核大小5×5，步长1，填充2，输出通道16，则输出特征图尺寸为________。答案：32×32×1652.在交叉熵损失中，当预测概率为0时，为防止log(0)出现，通常给概率加上一个极小值________。答案：ε（或1e-8）53.使用Adam优化器时，默认的β1参数值为________。答案：0.954.在Python中，使用________库可进行高效矩阵运算。答案：NumPy55.若批大小为128，GPU显存占用主要与________、________有关。答案：模型参数量；单样本激活内存56.在LSTM单元中，细胞状态的符号通常表示为________。答案：C_t57.当使用One-hot编码时，词汇表大小为10000，则每个词的向量维度为________。答案：1000058.在图像增强中，将图片随机水平翻转的概率常设置为________。答案：0.559.若学习率初始为0.1，每10轮衰减为原来0.1倍，则30轮后学习率为________。答案：1e-460.在PyTorch中，模型.eval()的作用是开启________模式。答案：推理（或测试）61.使用混合精度训练时，损失缩放（LossScaling）的默认缩放因子常为________。答案：102462.在目标检测评价中，mAP@0.5表示IoU阈值为________时的平均精度。答案：0.563.当使用余弦退火学习率调度时，最小学习率通常设置为初始学习率的________倍。答案：064.在GAN训练中，生成器与判别器交替训练，每步先固定________器参数。答案：判别（或生成，视上下文而定，此处填“判别”）65.若Embedding层参数量为6×10^6，使用FP16存储，所需内存约为________MB。答案：1266.在文本预处理中，去除出现频率过高且对任务无帮助的词称为停用词，其英文为________。答案：stopwords67.在模型剪枝中，按________最小原则移除权重的方法称为幅度剪枝。答案：绝对值68.使用Keras的ImageDataGenerator时，设置rotation_range=20表示随机旋转________度。答案：2069.在联邦学习中，客户端上传的是________而非原始数据。答案：模型参数（或梯度）70.当使用TensorRT进行INT8量化时，需要提供________数据集进行校准。答案：校准（或代表性）四、简答题（共6题，每题8分，共48分）71.封闭型：简述梯度消失产生的原因，并给出两种有效缓解方法。答案：原因：反向传播链式求导过程中，梯度需连乘小于1的数，导致深层梯度指数级减小。方法：1.使用ReLU等无饱和区激活函数；2.引入残差连接使梯度直接回传。72.开放型：请结合实际业务，说明数据增强在图像分类项目中的具体实施流程，并指出至少三种增强策略及其作用。答案：流程：1.分析数据缺陷（如光照不足、角度单一）；2.选择增强策略；3.统一写入PyTorch的transforms；4.训练时在线增强；5.验证集仅中心裁剪防止信息泄漏。策略：1.RandomHorizontalFlip增加左右对称样本，提升鲁棒性；2.ColorJitter调整亮度与对比度，模拟光照变化；3.RandomRotation±15°，缓解角度偏置；4.CutOut随机遮挡，迫使模型关注全局特征。73.封闭型：写出L2正则化的数学表达式，并解释其如何防止过拟合。答案：表达式：λ∑_iw_i^2。解释：在损失函数中加入权重平方和，惩罚大权重，迫使参数趋近零，降低模型复杂度，从而减小过拟合风险。74.开放型：描述一次完整的超参数调优实验设计，包括搜索空间、评价指标、资源限制及结果分析。答案：设计：1.确定搜索空间：学习率log-uniform[1e-4,1e-1]，批大小{32,64,128}，Dropout率uniform[0.2,0.5]；2.选择贝叶斯优化工具Optuna，最大试验次数50；3.评价指标：验证集宏平均F1；4.资源：单卡V100，限时24h；5.早停patience=5；6.结果：最佳试验lr=3.2e-3，批大小64，Dropout=0.35，F1提升2.3%；7.消融实验表明Dropout贡献最大。75.封闭型：列举BatchNormalization的计算步骤，并指出其在推理阶段与训练阶段的差异。答案：步骤：1.计算批均值μ_B；2.计算批方差σ_B^2；3.标准化x̂=(x-μ_B)/√(σ_B^2+ε)；4.缩放平移y=γx̂+β。差异：训练阶段μ_B、σ_B^2来自当前批；推理阶段使用训练阶段移动平均的μ、σ，且参数固定。76.开放型：说明知识蒸馏在模型压缩中的应用场景，并给出教师—学生网络结构设计的注意事项。答案：场景：边缘设备部署，需将100MB的ResNet50压缩至5MB的MobileNet。设计注意：1.教师模型性能足够高（Top1>80%）；2.学生模型通道数减少但保留关键结构（SE模块）；3.引入温度T=4的软标签损失+硬标签损失，权重7:3；4.在中间层添加Hint损失，对齐特征图通道均值；5.使用混合增强提升教师软标签质量；6.蒸馏后学生精度仅下降0.8%，体积减少20倍，推理速度提升5倍。五、应用题（共4题，共72分）77.计算类（18分）已知某全连接网络层：输入维度d_in=512，输出维度d_out=1024，偏置=True，批量大小b=256。(1)计算该层参数量（4分）；(2)若使用FP32，前向激活内存为多少MB（6分）；(3)若改用FP16且开启梯度检查点（保留输入与输出），峰值内存节省比例是多少（8分）。答案：(1)参数量=(512×1024)+1024=525312；(2)激活内存=256×1024×4B=1MB；(3)FP16激活减半0.5MB，检查点只存0.5MB，峰值节省=(4-0.5)/4=87.5%。78.分析类（18分）某文本情感分类项目使用BERT-base，训练损失持续下降但验证F1在第3轮后停滞，测试集F1=0.72，低于基线0.75。请分析可能原因并提出三条改进措施，需给出实验验证思路。答案：原因：1.学习率偏大导致过拟合；2.训练集标签噪声；3.领域差异大，预训练词汇覆盖不足。措施：1.降低lr至2e-5，warmup比例0.1，重新训练并记录验证F1曲线；2.人工抽检500条训练标签，修正错误≥5%后重训，对比F1；3.领域自适应：收集目标域5万无标签文本，做MLM继续预训练3轮，再微调，预期F1提升2~3%。验证：使用相同随机种子，三次平均，配对t检验p<0.05视为显著。79.综合类（18分）设计一个基于YOLOv5的口罩佩戴实时检测系统，需满足边缘端1080p@30fps。给出：(1)数据收集与标注方案（4分）；(2)模型轻量化改进（6分）；(3)部署推理优化（8分）。答案：(1)收集场景