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.
对如下神经网络的描述，正确的是
【多选题】
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
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
*
2.
在数据预处理阶段，我们常常对数值特征进行归一化或标准化(standardization, normalization)处理。这种处理方式理论上不会对下列哪个模型产生很大影响？
【多选题】
k-NN
k-Means
朴素贝叶斯
决策树
*
3.
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】
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
从10w正样本中随机抽取1w参与分类
直接进行分类,可以最大限度利用数据
将负样本重复10次,生成10w样本量,打乱顺序参与分类
*
4.
令U和V为3维向量，令A和B为3*3的矩阵，则下列说法正确的是
【多选题】
如果B是3*3的单位矩阵，则A*B=B*A
如果V是3维向量，则A*B*V是一个3维向量
如果C = A*B，则C是6*6的矩阵
A*B=B*A
*
5.
python my.py v1 v2 命令运行脚本，通过 from sys import argv如何获得v2的参数值?
argv[1]
argv[0]
argv[2]
argv[3]
*
6.
假设有一个列表a，现要求从列表a中每3个元素取1个，并且将取到的元素组成新的列表b，可以使用语句
b=a[1:3]
b=a[0:3]
b=a[:2]
b=a[::3]
*
7.
下列关于L1和L2正则描述错误的是？
L1正则的引入会使得权重产生更多的0元素。
L1正则项是非凸的，L2正则项是凸的。
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。
*
8.
一段代码定义如下，下列调用结果正确的是？
def bar(multiple):
def foo(n):
return multiple ** n
return foo
bar(3)(2) == 6
bar(2)(3) == 8
bar(2)(3) == 6
bar(3)(2) == 8
*
9.
关于字符串下列说法错误的是
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
在三引号字符串中可以包含换行回车等特殊字符
字符应该视为长度为1的字符串
*
10.
与传统机器学习方法相比，深度学习的优势在于
深度学习完全不提取底层特征，如图像边缘、纹理等
深度学习完全不需要做数据预处理
深度学习不需要调参
深度学习可以自动学习特征
*
11.
以下哪个关键字是与 try 语句一起使用来处理异常的？
catch(a)
exception
catch
except
*
12.
代码 print(type([1,2])) 输出结果为
class<’int’>
class<’list’>
class<’tuple’>
class<’set’>
*
13.
下列说法正确的是
深度神经网络做序列标注优于传统机器学习方法
测试集的准确率越高越好
参数越多拟合能力越强从而泛化能力越强
单隐层神经网络可以拟合任意单值连续函数
*
14.
下列哪一项在神经网络中引入了非线性
随机梯度下降
Sigmoid激活函数
增大权重和偏置的初始化值
以上都不正确
*
15.
假设你有一个变量 "example"，如何判断它的类型？
example.type:
type(example)
Type(example)
getType(example)
*
16.
深度学习涉及到大量的矩阵相乘，现需要计算三个稠密矩阵A,B,C的乘积ABC,假设三个矩阵的尺寸分别为m∗n，n∗p，p∗q，且m < n < p < q，以下计算顺序效率最高的是
(AB)C
AC(B)
A(BC)
所有效率都相同
*
17.
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
图像分割
房价预测
人脸识别
图像风格迁移
*
18.
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
32
643
64
96
*
19.
卷积层是深度神经网络的主要结构之一，已经在大量任务中用到，下面哪一个任务的主流方法中没有用到卷积层
中英文互译
场景文字检测
中文分词
为图像自动生成描述标题
*
20.
文字检测网络TextBoxes基于下列哪个网络
SSD
Fast r-cnn
YOLO
Faster r-cnn
字体大小
2020全国高校深度学习师资培训第12期
复制
