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.

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-Means
决策树
朴素贝叶斯
k-NN

*2.

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】

观察次数少，不容易发生过拟合
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

*3.

关于激活函数以下说法正确的是？【多选题】

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
tanh函数对于规模比较大的深度网络计算速度比较慢
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

*4.

相对于DNN模型，CNN模型做了哪些改变？【多选题】

局部连接
使用了relu激活函数
增加了batch normalization
参数共享

*5.

下列哪种不是Python元组的定义方式?

(1, )
(1, 2, (3, 4))
(1)
(1, 2)

*6.

如下关于机器学习的定义，合理的是

机器学习是一门让电脑不依赖特别明确的程序而拥有学习能力的研究领域。
机器学习仅对有标签的数据有用。
机器学习是一门计算机编程的科学。
机器学习是让机器人拥有智能的学科。

*7.

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
数据增强
减少数据集
调整超参数

*8.

下列语句输出正确的是

i = ['a', 'b']

l = [1, 2]

print (dict([l,i]))

{‘b’: 2, 'a': 1}
{‘a’: 2, ‘b': 1}
{1: 2, 'a': 'b'}
{2: 1, 'b': '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[0:3]
b=a[::3]
b=a[1:3]
b=a[:2]

*10.

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

*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.

下列哪个if语句是正确的？

if a>=22
if a>=22:
if (a=>22)
if (a>=22）

*13.

下列哪一项在神经网络中引入了非线性

增大权重和偏置的初始化值
Sigmoid激活函数
随机梯度下降
以上都不正确

*14.

以下哪个关键字是与 try 语句一起使用来处理异常的？

exception
except
catch
catch(a)

*15.

代码 print(type([1,2])) 输出结果为

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

*16.

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

*17.

RELU修正线性单元是一种常用的激活函数，其函数图像为

选项171
选项2
选项1
选项170

*18.

以下哪一个关于卷积神经网络的说法是错误的

Relu非线性激活函数的收敛速度比sigmoid要慢得多
多元神经网络可看成是一个复合的非线性多元函数。
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。

*19.

以下哪一个关于卷积神经网络的说法是错误的

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
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
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

*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