2021年春季深度学习师资培训班入学考试（CV班）

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！

疫情浇不灭我们学习的热情，感谢您报名2021全国高校深度学习师资培训第14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：
学校：
手机号:

*1.

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V是3维向量，则A*B*V是一个3维向量
A*B=B*A
如果C = A*B，则C是6*6的矩阵
如果B是3*3的单位矩阵，则A*B=B*A

*2.

关于Python字典中，正确的是【多选题】

可以使用字典对象的items()方法可以返回字典的“键-值对”
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

*3.

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
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，一个可行的操作是减少正则化项的系数
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

*4.

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】

减小回归正则系数λ。
使用更少的训练数据。
使用更多的训练数据。
增大回归正则系数λ。

*5.

关于字符串下列说法错误的是

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
字符应该视为长度为1的字符串
字符串以\0来标志字符串的结束

*6.

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】

数据增强
调整超参数
使用预训练网络参数
减少数据集

*7.

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(b,a))
c=dict(zip(a,b))
c=dict(list(a,b))
c=dict(list(b,a))

*8.

下列语句输出正确的是

i = ['a', 'b']

l = [1, 2]

print (dict([l,i]))

{‘a’: 2, ‘b': 1}
{1: 2, 'a': 'b'}
{2: 1, 'b': 'a'}
{‘b’: 2, 'a': 1}

*9.

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[2]
argv[1]
argv[3]
argv[0]

*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
深度学习可以自动学习特征
深度学习不需要调参

*11.

代码 print(type([1,2])) 输出结果为

class<’tuple’>
class<’list’>
class<’set’>
class<’int’>

*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.

*14.

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

*15.

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

*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

A(BC)
(AB)C
所有效率都相同
AC(B)

*17.

下图中的数据是线性可分的吗？

不一定
否
是
不确定

*18.

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

场景文字检测
为图像自动生成描述标题
中文分词
中英文互译

*19.

以下哪一个关于卷积神经网络的说法是错误的

输入一个300*300的RGB图像，经过10个5*5的卷积核，隐层的参数量为760（考虑偏置）。
在神经元总数相当的情况下，增加网络的深度可以比增加宽度带来更强的网络表示能力。
多元神经网络可看成是一个复合的非线性多元函数。
Relu非线性激活函数的收敛速度比sigmoid要慢得多

*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下降，验证集loss不变
训练集loss上升，验证集loss上升
训练集loss下降，验证集loss上升

加载中...

如果由于网络原因导致此框一直不消失，请重新刷新页面！

问卷星提供技术支持