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!

2021年春季深度学习师资培训班入学考试(CV班)

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.
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
A*B=B*A
如果V是3维向量,则A*B*V是一个3维向量
如果B是3*3的单位矩阵,则A*B=B*A
*
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】
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
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
从10w正样本中随机抽取1w参与分类
*
3.
若 a = range(100),以下哪些操作是合法的? 【多选题】
a[-3]
a[2-3]
a[::3]
a[2:13]
*
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,一个可行的操作是增加正则化项的系数
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
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
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
*
5.
下列哪种不是Python元组的定义方式?
(1, 2)
(1)
(1, )
(1, 2, (3, 4))
*
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(2)(3) == 6
bar(2)(3) == 8
bar(3)(2) == 8
bar(3)(2) == 6
*
7.
关于字符串下列说法错误的是
字符应该视为长度为1的字符串
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
字符串以\0来标志字符串的结束
*
8.
假设在线形回归为多少?
0.5
2
1
3
*
9.
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
*
10.
下列说法正确的是
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
参数越多拟合能力越强从而泛化能力越强
*
11.
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
随机赋值,祈祷它们是正确的
搜索所有权重和偏差的组合,直到得到最佳值
以上都不正确
*
12.
下面哪种网络架构属于前馈神经网络
A
B
C
以上都是
*
13.
如果使用的学习率太大,会导致
网络无法收敛
网络收敛的慢
网络收敛的快
不确定
*
14.
下列哪个if语句是正确的?
if (a=>22)
if a>=22:
if (a>=22)
if a>=22
*
15.
与传统机器学习方法相比,深度学习的优势在于
深度学习不需要调参
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
深度学习可以自动学习特征
*
16.
以下哪个关键字是与 try 语句一起使用来处理异常的?
exception
catch
catch(a)
except
*
17.
下图中的数据是线性可分的吗?

不确定
不一定
*
18.
以下哪一个关于卷积神经网络的说法是错误的
目标检测网络SSD的网络结构中包含卷积层
AlexNet是一个八层的卷积神经网络
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
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
*
19.
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
96
64
32
643
*
20.
SSD主要通过哪种方法来解决检测不同大小目标的问题
使用图像金字塔作为输入
设置更多的anchor纵横比
设置更多的anchor尺寸
在不同的特征图上进行预测
问卷星提供技术支持
举报