2026年深度学习工程师考试题库（附答案和详细解析）（0112）.docxVIP

深度学习工程师考试试卷（总分100分）

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常用于解决深度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）在输入为正时梯度为1，避免了Sigmoid和Tanh在饱和区梯度趋近于0的问题，有效缓解梯度消失，是深度网络中常用的激活函数。Sigmoid（A）和Tanh（B）因导数范围限制易导致梯度消失；Softmax（D）主要用于多分类输出层，不解决梯度问题。

当深度学习模型在训练集上表现很好，但测试集上表现差时，最可能的原因是？

A.欠拟合

B.过拟合

C.梯度爆炸

D.学习率过低

答案：B

解析：过拟合指模型对训练数据过度学习，捕捉了噪声而非普遍规律，导致泛化能力差（测试集表现差）。欠拟合（A）是模型无法拟合训练数据；梯度爆炸（C）会导致训练不稳定；学习率过低（D）会导致训练缓慢，均不符合题干描述。

以下哪项不是循环神经网络（RNN）的典型应用场景？

A.机器翻译

B.图像分类

C.语音识别

D.文本生成

答案：B

解析：RNN擅长处理序列数据（如文本、语音），机器翻译（A）、语音识别（C）、文本生成（D）均为序列任务。图像分类（B）是典型的空间特征提取任务，通常由CNN处理。

Transformer模型的核心机