2026年深度学习工程师考试题库（附答案和详细解析）（0313）.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）

以下关于ReLU激活函数的描述，正确的是？

A.解决了梯度爆炸问题

B.在输入为负时梯度为0，可能导致神经元“死亡”

C.输出范围在(-1,1)之间

D.适用于所有类型的神经网络

答案：B

解析：ReLU（RectifiedLinearUnit）的表达式为(f(x)=(0,x))。其优点是计算简单、缓解梯度消失（非负区间梯度为1），但缺点是当输入长期为负时，神经元不再更新（“死亡ReLU”问题）。选项A错误，梯度爆炸通常由权重初始化或深层网络导致；选项C错误，ReLU输出范围是([0,+))；选项D错误，如循环神经网络（RNN）更常用Tanh或Sigmoid。

BatchNormalization（BN）的主要作用是？

A.减少过拟合

B.加速训练，缓解内部协变量偏移

C.替代激活函数

D.增加模型参数量

答案：B

解析：BN通过对每层输入进行归一化（均值0，方差1），并引入可学习的缩放平移参数，解决了深层网络中“内部协变量偏移”（各层输入分布随前层参数变化而剧烈波动）的问题，从而加速训练。选项A错误，减少过拟合是正则化（如Dropout）的作用；选项C错误，BN与激活函数功能不同；选项D错误，BN仅增加少量参数（缩放和平移系数）。

训练深度学习模型时，若验证