2026年深度学习工程师考试题库（附答案和详细解析）（0207）.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）

以下关于ReLU激活函数的描述中，正确的是（）

A.输出均值为0，有利于网络训练

B.计算复杂度高，需指数运算

C.能有效缓解深层网络的梯度消失问题

D.适用于所有神经网络层的输出层

答案：C

解析：ReLU（修正线性单元）的主要优点是当输入为正时梯度为1，避免了Sigmoid等激活函数因导数小于1导致的梯度消失问题（C正确）。其输出均值不为0（均值约为输入正数部分的均值，A错误）；计算仅需取max(0,x)，复杂度低（B错误）；输出层通常根据任务选择Sigmoid（二分类）或Softmax（多分类），而非ReLU（D错误）。

在训练深度神经网络时，BatchNormalization（BN）的主要作用是（）

A.减少训练数据的类别不平衡问题

B.加速训练过程并提高模型泛化能力

C.增强模型对输入噪声的鲁棒性

D.直接解决梯度爆炸问题

答案：B

解析：BN通过对每个batch的中间层输出进行归一化（均值0，方差1），减少“内部协变量偏移”，使各层输入分布更稳定，从而加速训练并提升泛化能力（B正确）。类别不平衡需通过重采样或加权损失解决（A错误）；增强鲁棒性通常通过数据增强（C错误）；梯度爆炸主要通过梯度裁剪或合理初始化解决（D错误）。

以下哪种优化器采用了“动量（Momentum）”机制来