2026年深度学习工程师考试题库（附答案和详细解析）（0125）.docxVIP

深度学习工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪种激活函数最适合解决深层神经网络中的梯度消失问题？

A.Sigmoid

B.Tanh

C.ReLU

D.Softmax

答案：C

解析：ReLU（修正线性单元）的优点在于当输入为正时梯度为1，避免了Sigmoid和Tanh在输入较大或较小时梯度趋近于0的问题（梯度消失），因此更适合深层网络。A选项Sigmoid输出范围在(0,1)，导数最大值为0.25，易导致梯度消失；B选项Tanh输出范围在(-1,1)，导数最大值为1，但仍存在饱和区梯度消失问题；D选项Softmax用于多分类输出层，非隐藏层激活函数。

在训练神经网络时，若验证集损失持续下降但测试集损失上升，最可能的原因是？

A.学习率过低

B.数据未标准化

C.模型过拟合

D.批量大小（BatchSize）过小

答案：C

解析：过拟合表现为模型在训练集（或验证集）上效果很好，但在未见过的测试集上泛化能力差。A选项学习率过低会导致训练速度慢，损失下降缓慢；B选项数据未标准化可能导致训练不稳定，但不会直接导致验证集与测试集表现差异；D选项批量大小过小会增加梯度估计噪声，但不会直接引发泛化能力下降。

以下哪种优化算法通过动量（Momentum）机制加速收敛？

A.SGD

B.SGDwithMomentum

C.Adam

D.R