问卷发布者还未购买企业标准版或企业标准版已到期，此问卷暂时不能被填写！
手机扫描二维码答题
00:00:00
2020全国高校深度学习师资培训第12期
录音中...
疫情浇不灭我们学习的热情，感谢您报名
2020全国高校深度学习线上师资培训第12期（CV班）
！为了保证此次培训效果达到最佳，特设置此测试，一共20道题目，全部为选择题，包含单选和多选，根据答题得分和报名信息综合择优录取。请您仔细阅读下面的考试规则，感谢您的理解和支持！
考试规则：
1.请保证报名本人作答，提交问卷则表示同意该要求
2.每人
只有一次作答机会
，限时30分钟，
不可反复提交
3.只允许在
全屏状态
下作答，全程切屏（即鼠标离开考试页面）
超过6次将立即结束考试
*
基本信息
（请保证所填姓名和手机号与报名填写的姓名、手机号一致）
：
姓名：
姓名：
学校：
学校：
手机号:
手机号:
*
1.
若 a = range(100)，以下哪些操作是合法的?
【多选题】
a[::3]
a[-3]
a[2-3]
a[2:13]
*
2.
在分类问题中,我们经常会遇到正负样本数据量不等的情况,比如正样本为10w条数据,负样本只有1w条数据,以下最合适的处理方法是
【多选题】
直接进行分类,可以最大限度利用数据
将负样本每个权重设置为10,正样本权重为1,参与训练过程
将负样本重复10次,生成10w样本量,打乱顺序参与分类
从10w正样本中随机抽取1w参与分类
*
3.
假设你使用带正则的逻辑回归进行目标分类，然而当你将算法用于一个新的测试数据集上，你发现本来在训练数据集上表现很好的分类器产生了非常大的测试误差。如下哪些措施可以用来减小测试误差
【多选题】
使用更多的训练数据。
使用更少的训练数据。
增大回归正则系数λ。
减小回归正则系数λ。
*
4.
对如下神经网络的描述，正确的是
【多选题】
假如神经网络过拟合了，一个可行的操作是增加正则化项的系数
任何二元逻辑函数（输入为0/1)，可以使用神经网络来进行建模
假如神经网络过拟合了，一个可行的操作是减少正则化项的系数
对于两层神经网络（输入层/输出层/无隐藏层）可以训练拟合XOR操作
*
5.
若 a = [ 1,2,3,4,5 ]，以下代码输出结果正确的是？
print(a[-1:]) =>[1,2]
print(a[:])=>[1,2,3,4]
print(a[0:]) =>[2,3,4,5]
print(a[:100]) =>[1,2,3,4,5]
*
6.
下列关于L1和L2正则描述错误的是？
L1正则项是非凸的，L2正则项是凸的。
L1正则的引入会使得权重产生更多的0元素。
L1正则兼具特征选择的功能。
L1和L2正则的引入都能预防过拟合。
*
7.
关于字符串下列说法错误的是
字符应该视为长度为1的字符串
在三引号字符串中可以包含换行回车等特殊字符
既可以用单引号，也可以用双引号创建字符串
字符串以\0来标志字符串的结束
*
8.
关于欠拟合（under-fitting），下面哪个说法是正确的？
训练误差较大，测试误差较小
训练误差较小，测试误差较大
训练误差较小，测试误差较小
训练误差较大，测试误差较大
*
9.
当图像分类的准确率不高时，可以考虑以下哪种方法提高准确率
【多选题】
使用预训练网络参数
减少数据集
数据增强
调整超参数
*
10.
以下哪个关键字是与 try 语句一起使用来处理异常的？
except
catch(a)
exception
catch
*
11.
已知一个由全连接层构成的前馈神经网络，输入层有5个神经元，第一隐层有10个神经元，第二隐层有10个神经元，输出层有2个神经元，则神经模型中共有（ ）条连接。
27
170
80
1000
*
12.
假设你有一个变量 "example"，如何判断它的类型？
example.type:
type(example)
getType(example)
Type(example)
*
13.
下面哪种网络架构属于前馈神经网络
A
B
C
以上都是
*
14.
A
B
C
D
*
15.
与传统机器学习方法相比，深度学习的优势在于
深度学习可以自动学习特征
深度学习不需要调参
深度学习完全不需要做数据预处理
深度学习完全不提取底层特征，如图像边缘、纹理等
*
16.
下列哪个if语句是正确的？
if a>=22:
if (a>=22）
if (a=>22)
if a>=22
*
17.
假设一个具有 3 个神经元和输入为 [1, 2, 3] 的简单多层感知机模型。输入神经元的权重分别为 4, 5 和 6。假设激活函数是一个线性常数值 3 (激活函数为：y = 2x)。输出是
643
32
64
96
*
18.
以下哪一个关于卷积神经网络的说法是错误的
典型的卷积神经网络，由卷积层、池化层、激活层、全连接层等组成
目标检测网络SSD的网络结构中包含卷积层
卷积神经网络中的建模学习，学习对象是每一层神经元的值
AlexNet是一个八层的卷积神经网络
*
19.
卷积神经网络作为一种常见的深度学习网络结构已被广泛接受，下列任务的主流方法中没有用到卷积神经网络的任务是
人脸识别
图像分割
图像风格迁移
房价预测
*
20.
以下现象属于过拟合的是
训练集loss下降，验证集loss下降
训练集loss上升，验证集loss上升
训练集loss下降，验证集loss不变
训练集loss下降，验证集loss上升
字体大小
2020全国高校深度学习师资培训第12期
复制
