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
A*B=B*A
如果V是3维向量，则A*B*V是一个3维向量

*2.

相对于DNN模型，CNN模型做了哪些改变？【多选题】

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

*3.

若 a = range(100)，以下哪些操作是合法的? 【多选题】

a[2:13]
a[::3]
a[-3]
a[2-3]

*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
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
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

*5.

下列哪种类型是Python的映射类型?

str
dict
tuple
list

*6.

关于SVM泛化误差描述正确的是

SVM的误差阈值
SVM对未知数据的预测能力
SVM对训练数据的划分能力
超平面与支持向量之间距离

*7.

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[0:]) =>[2,3,4,5]
print(a[:])=>[1,2,3,4]
print(a[:100]) =>[1,2,3,4,5]

*8.

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

*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[0]
argv[1]
argv[2]
argv[3]

*10.

在一个神经网络里，知道每一个神经元的权重和偏差是最重要的一步。如果以某种方法知道了神经元准确的权重和偏差，就可以近似任何函数。实现这个最佳的办法是

赋予一个初始值，通过检查跟最佳值的差值，然后迭代更新权重
搜索所有权重和偏差的组合，直到得到最佳值
随机赋值，祈祷它们是正确的
以上都不正确

*11.

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

所有效率都相同
(AB)C
A(BC)
AC(B)

*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.

如果使用的学习率太大，会导致

不确定
网络收敛的慢
网络无法收敛
网络收敛的快

*14.

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)

*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

*16.

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
单隐层神经网络可以拟合任意单值连续函数
参数越多拟合能力越强从而泛化能力越强

*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170
选项1
选项2

*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

643
96
32
64

*19.

以下哪一个关于卷积神经网络的说法是错误的

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。
Relu非线性激活函数的收敛速度比sigmoid要慢得多

*20.

文字检测网络TextBoxes基于下列哪个网络

Fast r-cnn
YOLO
SSD
Faster r-cnn

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