人工智能深度学习架构师备考题库C卷（附答案解析）.pdfVIP

深度学习-3

单选题（每题1分，共6道题）

1、[单选]你有一个63x63x16的输入，并使用大小为7x7的32个过滤器进行

卷积，使用步幅为2和无填充，请问输出是多少？

•A：29x29x32

•B：16x16x32

•C：29x29x16

•D：16x16x16

正确答案：A

解析：使用公式$$\frac{(n-f)}{stride}+1$$可以计算出卷积后输出的大小，

其中n为输入的大小，f为过滤器大小，stride为步幅。代入数据得：$$\frac{(63-

7)}{2}+1=29$$因为使用了32个过滤器，所以最终的输出大小为

29x29x32，故选项A为正确答案。

2、[单选]优化器是用来做什么的

•A：生成更新的优化的预测

•B：决定是否停止神经网络的训练

•C：评价现有的预测

•D：找出如何有效地编译代码

正确答案：A

解析：优化器是用来生成更新的优化的预测，以便在神经网络的训练中最小化损失函数。

因此，答案选项A是正确的。

3、[单选]已知：-大脑是有很多个叫做神经元的东西构成，神经网络是对大脑

的简单的数学表达。-每一个神经元都有输入、处理函数和输出。-神经元组合

起来形成了网络，可以拟合任何函数。-为了得到最佳的神经网络，我们用梯度

下降方法不断更新模型。给定上述关于神经网络的描述，什么情况下神经网络

模型被称为深度学习模型？

•A：加入更多层，使神经网络的深度增加

•B：有维度更高的数据

•C：当这是一个图形识别的问题时

•D：以上都不正确

正确答案：A

解析：深度学习模型是指神经网络模型中包含多个隐含层的情况，而隐含层的数量被称为

神经网络的深度。因此，选项A中加入更多层，使神经网络的深度增加，是神经网络被称

为深度学习模型的情况。

4、[单选]图像增强如何帮助解决过拟合？

•A：它减慢了训练过程

•B：它操纵训练集，为图像中的特征生成更多场景

•C：它操纵验证集为图像中的特征生成更多场景

•D：通过图像处理技术找到特征，自动将特征拟合到图像

正确答案：B

解析：选项B正确，过拟合是由于模型在训练集上过于拟合，导致泛化能力不足。通过图

像增强，我们可以操纵训练集为图像中的特征生成更多场景，从而扩大训练集，提高模型

的泛化能力，缓解过拟合的问题。选项A错误，图像增强并不会减慢训练过程。选项C错

误，验证集并不用于训练模型。选项D错误，图像增强并不是通过找到特征自动拟合到图

像上。

5、[单选]如何为模型添加一维卷积以预测时间序列数据？

•A：使用1DConvolution类型

•B：使用Conv1D类型

•C：使用Convolution1D类型

•D：使用1DConv类型

正确答案：B

解析：选项中提到的1DConvolution、Convolution1D、1DConv都不是合法的类型名

称。而在Keras中，用于添加一维卷积的类型为Conv1D。因此，正确答案为B。

6、[单选]考虑以下代码：A=np.random.randn(4,3)；

B=np.sum(A,axis=1,keepdims=True)。B.shape是多少？

•A：(4,)

•B：(1,3)

•C：(,3)

•D：(4,1)

正确答案：D

解析：首先，代码第一行生成了一个$4\times3$的矩阵A。第二行代码中，

np.sum(A,axis=1,keepdims=True)对A进行了按行求和的操作，keepdims=True表示保持

维度不变。因为按行求和后得到的是一个$4\times1$的列向量，加上keepdims=True后，

输出的矩阵B的形状为$4\times1$。所以，B.shape应该是(4,1)，答案为D。

7、[单选]你让一些人对数据集进行标记，以便找出人们对它的识别度。你发

现了准确度如下：鸟类专家10.3%Error〔误差〕鸟类专家20.5%Error〔误差〕

普通人11.0%Error