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！
手机扫描二维码答题
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.
若 a = range(100)，以下哪些操作是合法的?
【多选题】
a[-3]
a[2:13]
a[2-3]
a[::3]
*
2.
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
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
*
3.
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values ()方法可以返回字典的“值”
*
4.
关于激活函数以下说法正确的是？
【多选题】
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
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
ReLU函数的正区间存在梯度消失的问题
*
5.
下列哪种类型是Python的映射类型?
dict
tuple
list
str
*
6.
一段代码定义如下，下列调用结果正确的是？
def bar(multiple):
def foo(n):
return multiple ** n
return foo
bar(3)(2) == 8
bar(3)(2) == 6
bar(2)(3) == 6
bar(2)(3) == 8
*
7.
若 a = [ 1,2,3,4,5 ]，以下代码输出结果正确的是？
print(a[:])=>[1,2,3,4]
print(a[0:]) =>[2,3,4,5]
print(a[-1:]) =>[1,2]
print(a[:100]) =>[1,2,3,4,5]
*
8.
下列关于L1和L2正则描述错误的是？
L1正则兼具特征选择的功能。
L1正则项是非凸的，L2正则项是凸的。
L1正则的引入会使得权重产生更多的0元素。
L1和L2正则的引入都能预防过拟合。
*
9.
假设在线形回归
为多少？
3
2
0.5
1
*
10.
下面哪种网络架构属于前馈神经网络
A
B
C
以上都是
*
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
(AB)C
所有效率都相同
A(BC)
AC(B)
*
12.
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。
80
170
27
1000
*
13.
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
网络无法收敛
不确定
*
14.
代码 print(type([1,2])) 输出结果为
class<’set’>
class<’tuple’>
class<’list’>
class<’int’>
*
15.
下列哪一项在神经网络中引入了非线性
随机梯度下降
增大权重和偏置的初始化值
Sigmoid激活函数
以上都不正确
*
16.
A
B
C
D
*
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1
选项2
选项170
*
18.
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
房价预测
人脸识别
图像分割
*
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。
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
*
20.
SSD主要通过哪种方法来解决检测不同大小目标的问题
设置更多的anchor纵横比
在不同的特征图上进行预测
使用图像金字塔作为输入
设置更多的anchor尺寸
评价对象得分
字体大小
2021年春季深度学习师资培训班入学考试（CV班）
复制
