2026年深度学习工程师考试题库（附答案和详细解析）（0225）.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）

以下哪种激活函数可以有效缓解梯度消失问题？

A.阶跃函数（StepFunction）

B.Sigmoid函数

C.ReLU函数（RectifiedLinearUnit）

D.Tanh函数

答案：C

解析：梯度消失问题主要由于激活函数的导数在深层网络中趋近于0（如Sigmoid和Tanh的导数最大值为0.25和1），导致反向传播时梯度衰减。ReLU函数在输入大于0时导数为1，能保持梯度稳定，有效缓解梯度消失；阶跃函数不可导，无法用于反向传播。因此正确答案为C。

在训练深度神经网络时，若验证集损失持续下降但训练集损失不再下降，最可能的原因是？

A.模型过拟合

B.模型欠拟合

C.学习率过大

D.数据分布不一致

答案：B

解析：欠拟合表现为模型无法拟合训练数据（训练损失高或不再下降），但验证损失也未显著改善；过拟合会导致训练损失低而验证损失上升；学习率过大可能导致训练损失震荡或发散；数据分布不一致会导致验证损失异常波动。因此正确答案为B。

以下哪项不是卷积神经网络（CNN）的核心组件？

A.全连接层

B.卷积层

C.池化层

D.自注意力层

答案：D

解析：CNN的核心组件包括卷积层（提取局部特征）、池化层（降维与平移不变性）和全连接层（特征整合）；自注意力层是Transformer的核心