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
2021年春季深度学习师资培训班入学考试（CV班）
录音中...
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：
姓名：
学校：
学校：
手机号:
手机号:
*
1.
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】
将负样本重复10次,生成10w样本量,打乱顺序参与分类
从10w正样本中随机抽取1w参与分类
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
直接进行分类,可以最大限度利用数据
*
2.
关于Python字典中，正确的是
【多选题】
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”
可以使用字典对象的items()方法可以返回字典的“键-值对”
*
3.
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】
增大回归正则系数λ。
减小回归正则系数λ。
使用更多的训练数据。
使用更少的训练数据。
*
4.
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】
决策树
k-Means
k-NN
朴素贝叶斯
*
5.
变量 a 的值为字符串类型的 "2"，如何将它转换为整型？
int(a)
integer(a)
castToInteger(a)
castToInt(a)
*
6.
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(list(a,b))
c=dict(zip(a,b))
c=dict(list(b,a))
c=dict(zip(b,a))
*
7.
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。
机器学习是让机器人拥有智能的学科。
机器学习是一门计算机编程的科学。
机器学习仅对有标签的数据有用。
*
8.
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
调整超参数
减少数据集
数据增强
*
9.
下列哪种不是Python元组的定义方式?
(1)
(1, )
(1, 2, (3, 4))
(1, 2)
*
10.
如果使用的学习率太大，会导致
网络收敛的快
网络收敛的慢
不确定
网络无法收敛
*
11.
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)
*
12.
代码 print(type([1,2])) 输出结果为
class<’tuple’>
class<’list’>
class<’int’>
class<’set’>
*
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
27
80
170
*
14.
图像灰度的方差表示图像的哪种属性
图像饱和度
图像对比度
图像细节
图像整体亮度
*
15.
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
单隐层神经网络可以拟合任意单值连续函数
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
*
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
AC(B)
A(BC)
所有效率都相同
(AB)C
*
17.
以下哪一个关于卷积神经网络的说法是错误的
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。
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）。
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。
*
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
中文分词
中英文互译
为图像自动生成描述标题
*
19.
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
图像风格迁移
图像分割
房价预测
人脸识别
*
20.
以下现象属于过拟合的是
训练集loss下降，验证集loss上升
训练集loss上升，验证集loss上升
训练集loss下降，验证集loss不变
训练集loss下降，验证集loss下降
评价对象得分
字体大小
