人工智能工程师《2026年》综合测试.docxVIP

人工智能工程师《2026年》综合测试

一、单项选择题（每题2分，共20分）

1.在PyTorch2.4中，若需对动态shape的4D张量（N,C,H,W）做通道级GroupNorm，且groups=32，下列哪段代码在AMP（自动混合精度）下既满足数值稳定性又避免显存冗余？

A.`torch.nn.GroupNorm(32,C,dtype=torch.float32)`

B.`torch.nn.GroupNorm(32,C).to(dtype=torch.float16)`

C.`torch.nn.GroupNorm(32,C,eps=1e-3,dtype=torch.float32)`后接`torch.cuda.amp.autocast()`

D.`torch.nn.GroupNorm(32,C,eps=1e-3)`并手动在`forward`内`.float()`转换

2.2026年主流MoE（Mixture-of-Experts）训练框架采用“ExpertParallelism+Zero3”组合，若模型共64位专家，每位专家参数量1.1B，当top-2门控激活时，理论上每张A100-80GBGPU（无CPUoffload）最多可完整放置几位专家而不触发OOM？（假设激活参数量+梯度+优化器状态均占显存，且Zero3已做完全分片）

A.4B.5