2026年人工智能训练师考试模拟试卷及答案(数据标注与模型训练)-Python编

2026年人工智能训练师考试模拟试卷及答案(数据标注与模型训练)——Python编一、单项选择题（每题1.5分，共30分）1.在图像目标检测任务中，对目标进行矩形框标注时，通常需要记录的内容是？A.目标中心点坐标B.目标左上角和右下角坐标C.目标轮廓的多个关键点D.目标周围像素的掩码答案：B解析：矩形框标注最常用的记录方式是目标框左上角与右下角两个点的坐标；中心点加宽高是另一种表示方式，不是二点式框标注的典型做法。2.下列工具中，常用于图像标注的是？A.LabelImgB.PyCharmC.JupyterNotebookD.Anaconda答案：A3.当数据集中某一类别的样本数量远多于其他类别时，最可能出现的直接问题是？A.模型丢失所有类别B.标注成本上升C.模型对多数类过拟合，少数类召回率偏低D.模型参数量增大答案：C解析：样本不均衡使得模型偏向多数类，导致少数类样本在训练中学习不充分，召回率明显偏低。4.下列哪种操作属于图像数据增强？A.删除重复图片B.水平翻转图像C.修改标签文件后缀D.更换GPU型号答案：B解析：数据增强通过对原始样本施加旋转、翻转、裁剪、颜色扰动等变换，增加样本多样性，从而提升模型泛化能力。5.关于训练集、验证集与测试集，下列说法正确的是？A.测试集用于模型选择和超参数调优B.训练集用于评估模型泛化能力C.验证集用于评估模型上线后的最终性能D.验证集用于模型选择和超参数调优答案：D解析：验证集用于在训练中监控和调优模型；测试集不参与调参，用于最终评估模型在真实场景下的表现。6.模型在训练集上准确率接近1.0，但在验证集上明显偏低，最可能的原因是？A.欠拟合B.梯度消失C.过拟合D.标注文件编码错误答案：C解析：训练集表现远好于验证集，是过拟合的典型信号，模型过度拟合了训练数据中的噪声与细节。7.当特征之间存在较大尺度差异（例如一个特征取值0到1，另一个特征取值0到10000）时，训练前通常需要？A.增大batchsizeB.对特征进行标准化或归一化C.减少训练样本量D.增加网络层数答案：B解析：特征尺度差异过大会导致梯度更新不稳定，标准化或归一化能使各特征对损失函数的贡献处于相近量级。8.在二分类混淆矩阵中，TP表示？A.预测为正且真实为正的数量B.预测为正但真实为负的数量C.预测为负但真实为正的数量D.预测为负且真实为负的数量答案：A9.某二分类模型在测试集上的精确率为0.8，召回率为0.6，则F1值约为？A.0.48B.0.69C.0.75D.0.86答案：B解析：F1值是精确率与召回率的调和平均，公式为：F代入precF10.在二分类任务中，最常用的损失函数是？A.均方误差（MSE）B.平均绝对误差（MAE）C.余弦相似度损失D.交叉熵损失答案：D解析：二分类输出层通常配合Sigmoid使用交叉熵损失，它衡量预测概率分布与真实标签之间的差异，收敛更稳定。11.关于批量梯度下降（BatchGradientDescent），下列说法正确的是？A.每次随机抽取一个样本计算梯度B.每次使用全部训练样本计算梯度后更新参数C.每次更新不需要计算梯度D.只适用于线性回归模型答案：B解析：批量梯度下降每次用全部样本的平均梯度更新参数；随机梯度下降每次才使用单个样本。12.模型训练初期Loss快速下降，随后在较长时间内大幅震荡、难以收敛，更可能的原因是？A.学习率过大B.学习率过小C.正则化系数过大D.训练轮数太少答案：A解析：学习率过大时，参数更新步长超出合理范围，会在最优值附近反复震荡，导致Loss波动剧烈。13.使用pandas读取CSV文件时，正确的写法是？A.pd.load("data.csv")B.pd.open("data.csv")C.pd.read_csv("data.csv")D.pd.import_file("data.csv")答案：C14.下列关于NumPy数组操作的说法，正确的是？A.np.mean(arr)计算数组的均值B.np.square(arr)计算数组的平方根C.len(arr)返回数组的维度个数D.reshape可以改变数组的元素总个数答案：A解析：np.square用于求平方，开平方应使用np.sqrt；len返回数组第一维的长度；reshape只改变形状，不改变元素总数。15.使用scikit-learn划分训练集与测试集，正确的导入语句是？A.fromsklearn.datasetsimporttraintestsplitB.fromsklearn.preprocessingimporttraintestsplitC.fromsklearn.modelselectionimporttraintest_splitD.fromsklearn.metricsimporttraintestsplit答案：C16.EarlyStopping（早停法）的主要作用是？A.增加模型参数量B.防止过拟合C.减少数据标注工作量D.降低数据噪声答案：B17.与平均绝对误差MAE相比，均方根误差RMSE的特点是？A.RMSE计算更简单B.RMSE不受异常值影响C.RMSE只能用于分类任务D.RMSE对较大误差赋予更高权重答案：D解析：RMSE的计算公式为：R平方操作放大了较大误差的贡献，因此RMSE对大误差更敏感。18.COCO数据标注格式中，标注信息通常以哪种文件格式组织？A.JSONB.CSVC.XMLD.YAML答案：A解析：COCO数据集使用JSON文件保存images、annotations和categories等标注信息。19.在YOLO格式的txt标注文件中，一行数据为00.50.50.20.3，其中最后两个数字表示？A.目标框右上角坐标B.目标框左上角坐标C.目标框的宽和高D.目标所在图像的尺寸答案：C解析：YOLO格式每行依次为class_idx_centery_centerwidthheight，所有坐标均归一化到0到1之间，最后两个数字是目标框的宽和高。20.数据清洗环节中，处理缺失值的常见做法是？A.将所有缺失值统一填为999B.删除关键特征缺失过多的样本C.不处理直接训练D.反转类别标签答案：B解析：对于缺失比例过高的样本或特征，直接删除是一种常用且有效的清洗策略；统一填999会引入无意义的偏置。二、多项选择题（每题2分，共20分）1.下列哪些指标或方法可以用来衡量数据标注质量？A.标注一致率B.标注员平均标注速度C.抽样复检合格率D.标注框与真实目标的IoUE.GPU温度答案：ACD解析：标注速度反映效率但不反映质量，GPU温度与标注质量无关；一致率、抽检合格率与框贴合度是常用质量指标。2.在图像分类数据标注中，下列做法正确的有？A.提前制定统一的类别标签体系B.模糊样本提交多人评审确定标签C.为追求速度由单人快速标注D.对标注结果进行定期抽检E.安排不同标注员对同一批数据进行双重校验答案：ABDE解析：单人快速标注容易引入主观偏差且缺少纠错机制；双人校验、多人评审和抽检能有效提升标签质量。3.下列哪些属于数据增强方法？A.随机旋转B.随机裁剪C.颜色抖动D.修改标签根目录路径E.增大训练batchsize答案：ABC解析：D是文件工程操作，E是训练超参数设置，均不属于数据增强。4.当二分类数据集中正负样本比例严重不平衡时，可以采取的措施有？A.对少数类进行过采样（如SMOTE）B.对多数类进行欠采样C.使用加权损失函数D.修改类别标签命名规则E.删除所有少数类样本答案：ABC解析：过采样、欠采样和加权损失都可缓解不平衡；修改命名无助于分布问题，删除全部少数类会使模型完全丧失识别能力。5.下列哪些指标可以用于图像分类模型的评估？A.AccuracyB.PrecisionC.RecallD.IoUE.标注框数量答案：ABC解析：IoU用于目标检测中衡量预测框与真实框的重合程度，标注框数量不属于模型评估指标。6.关于模型保存与加载，下列说法正确的有？A.可以使用joblib保存scikit-learn模型B.PyTorch使用torch.save保存模型权重C.加载已保存的模型权重时需要与保存时相同的模型结构D.模型文件在任何设备上一定能直接运行E.训练过程中应定期保存checkpoint答案：ABCE解析：模型能否运行取决于运行环境、依赖库和硬件条件，不能保证在任意设备上直接运行。7.下列哪些属于模型训练中的超参数？A.学习率B.batchsizeC.迭代轮数epochD.训练得到的卷积核权重E.训练集样本的类别标签答案：ABC解析：卷积核权重是训练得到的模型参数，类别标签属于数据标注内容，均不属于超参数。8.在数据处理环节中涉及个人信息时，下列做法正确的有？A.对敏感字段进行脱敏B.数据仅用于授权的标注和训练目的C.标注完成后原始数据可随意传播D.及时删除不再使用的临时文件E.将包含敏感信息的标注文件在公网明文传输答案：ABD解析：未经授权传播数据和明文传输敏感标注文件都违反数据安全与隐私保护要求。9.下列哪些评估指标适用于回归任务？A.MSEB.RMSEC.MAED.AccuracyE.F1答案：ABC解析：MSE、RMSE、MAE衡量预测值与真实值之间的误差；Accuracy与F1用于分类任务。10.编写训练脚本时，下列做法有助于提升项目可复现性的有？A.固定随机种子B.记录数据版本与标注版本C.在代码中写死绝对路径D.将关键超参数写入配置文件E.不记录实验日志答案：ABD解析：固定随机种子、记录数据版本、超参数配置化都便于复现实验；写死绝对路径不利于代码迁移，不记录日志则难以追溯过程。三、判断题（每题1分，共10分）1.数据标注质量直接影响模型训练效果的上限。答案：正确2.验证集可以直接作为最终测试集评估模型上线后的性能。答案：错误解析：验证集参与模型选择和超参数调优后会产生选择偏差，不能替代与训练过程完全独立的测试集。3.模型在训练集上准确率越高，说明模型泛化能力越强。答案：错误解析：训练集准确率高可能是过拟合导致的，泛化能力需要通过验证集或测试集来评估。4.当训练损失不下降时，可以尝试适当调低学习率。答案：正确5.交叉熵损失只能用于二分类任务，不能用于多分类任务。答案：错误解析：交叉熵损失既可用于二分类，也可直接扩展到多分类，是分类任务最常用的损失函数之一。6.在目标检测标注中，漏标大量真实目标会导致模型漏检率上升。答案：正确7.YOLO格式与COCO格式是相同的标注格式，无需转换。答案：错误解析：YOLO与COCO是组织方式不同的两种标注格式，转换时需要进行字段映射和坐标换算。8.早停法通过观察验证集指标来决定是否终止训练。答案：正确9.pandas的dropna()会直接修改原始DataFrame。答案：错误解析：dropna()默认返回处理后的新对象，不修改原DataFrame，除非显式指定inplace=True。10.对于缺失比例超过80%的特征，通常可以选择直接删除。答案：正确四、案例分析题（每题20分，共40分）1.某目标检测项目验证集的标注文件位于data/labels/val/目录，每个.txt文件对应一张图片。标注文件为YOLO格式，每行包含5个字段：class_idx_centery_centerwidthheight，所有坐标与尺寸均已归一化到0到1之间，class_id为0到5的整数。请编写Python代码，统计验证集中每个类别的目标总数，并按照类别编号从小到大打印输出。答案：importos

fromcollectionsimportCounter

label_dir="data/labels/val"

counter=Counter()

forfile_nameinos.listdir(label_dir):

ifnotfile_name.endswith(".txt"):

continue

file_path=os.path.join(label_dir,file_name)

withopen(file_path,"r",encoding="utf-8")asf:

forlineinf:

parts=line.strip().split()

iflen(parts)>=5:

class_id=int(parts[0])

counter[class_id]+=1

forclass_idinsorted(counter.keys()):

print(f"class{class_id}:{counter[class_id]}")解析：YOLO格式的txt标签每行共5个字段，第1个字段是类别编号。使用os.listdir遍历标签目录，逐行读取并以空格切分，借助Counter对类别编号计数，最后按类别编号排序输出。2.某图像分类项目使用PyTorch训练ResNet-18二分类模型，共训练50个epoch，训练记录如下：-第1到5个epoch：训练准确率由0.50上升至0.98，验证准确率稳定在0.82；-第10到50个epoch：训练准确率继续上升至1.00，验证准确率由0.82缓慢下降至0.78。请回答：（1）该训练过程出现了什么问题？（4分）（2）该问题在训练曲线上的典型特征是什么？（6分）（3）写出两种缓解措施，并用Python代码简述其中一种的实现思路。（10分）答案：（1）（4分）出现了过拟合（overfitting）。训练准确率持续上升并趋于1.00，而验证准确率在达到峰值后不升反降，说明模型泛化能力变差。（2）（6分）训练Loss持续下降、训练准确率趋近1.0，验证Loss先下降后上升，验证准确率先升后降，训练集与验证集指标之间的