手机扫描二维码答题
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！
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.
关于Python字典中，正确的是
【多选题】
可以使用字典对象的keys()方法可以返回字典的“键”
可以使用字典对象的values ()方法可以返回字典的“值”
可以使用has_key()方法来检验一个键值对是否存在
可以使用字典对象的items()方法可以返回字典的“键-值对”
*
2.
关于激活函数以下说法正确的是？
【多选题】
sigmoid函数在深度神经网络中梯度反向传递时容易导致梯度消失
tanh函数对于规模比较大的深度网络计算速度比较慢
ReLU函数计算速度和收敛速度都比tanh/sigmoid快
ReLU函数的正区间存在梯度消失的问题
*
3.
相对于DNN模型，CNN模型做了哪些改变？
【多选题】
增加了batch normalization
使用了relu激活函数
局部连接
参数共享
*
4.
观察样本次数如何影响过拟合？注意：所有情况的参数都保持一致
【多选题】
观察次数多，容易发生过拟合
观察次数少，容易发生过拟合
观察次数多，不容易发生过拟合
观察次数少，不容易发生过拟合
*
5.
假设有列表a = ['name', 'age', 'sex']和b = ['Dong', 38, 'Male']，请使用一个语句将这两个列表的内容转换为字典，并且以列表a中的元素为“键”，以列表b中的元素为“值”，这个语句可以写为
c=dict(zip(a,b))
c=dict(list(b,a))
c=dict(list(a,b))
c=dict(zip(b,a))
*
6.
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
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
*
7.
下列语句输出正确的是
i = ['a', 'b']
l = [1, 2]
print (dict([l,i]))
{‘b’: 2, 'a': 1}
{2: 1, 'b': 'a'}
{‘a’: 2, ‘b': 1}
{1: 2, 'a': 'b'}
*
8.
变量 a 的值为字符串类型的 "2"，如何将它转换为整型？
castToInteger(a)
castToInt(a)
integer(a)
int(a)
*
9.
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[::3]
b=a[0:3]
b=a[:2]
*
10.
假设你有一个变量 "example"，如何判断它的类型？
type(example)
getType(example)
example.type:
Type(example)
*
11.
图像灰度的方差表示图像的哪种属性
图像细节
图像对比度
图像整体亮度
图像饱和度
*
12.
下列说法正确的是
参数越多拟合能力越强从而泛化能力越强
测试集的准确率越高越好
深度神经网络做序列标注优于传统机器学习方法
单隐层神经网络可以拟合任意单值连续函数
*
13.
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。
1000
80
27
170
*
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.
如果使用的学习率太大，会导致
网络收敛的快
网络无法收敛
不确定
网络收敛的慢
*
16.
下面哪种网络架构属于前馈神经网络
A
B
C
以上都是
*
17.
下图中的数据是线性可分的吗？
否
是
不一定
不确定
*
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
64
643
96
32
*
19.
以下哪一个关于卷积神经网络的说法是错误的
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
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
AlexNet是一个八层的卷积神经网络
目标检测网络SSD的网络结构中包含卷积层
*
20.
下列目标检测网络中，哪个是一阶段的网络
Faster-rcnn
RFCN
YOLOv3
SPP-net
评价对象得分
字体大小
