2026年深度学习工程师考试题库（附答案和详细解析）（0209）.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.线性函数（f(x)=x）

B.Sigmoid函数（f(x)=1/(1+e??)）

C.ReLU函数（f(x)=max(0,x)）

D.Tanh函数（f(x)=(e?-e??)/(e?+e??)）

答案：C

解析：ReLU（修正线性单元）的导数在输入大于0时为1，避免了Sigmoid和Tanh在输入较大或较小时导数趋近于0的问题（梯度消失）；线性函数无激活作用，无法引入非线性；Sigmoid和Tanh的导数最大值分别为0.25和1，仍存在梯度消失风险。

在训练深度学习模型时，若验证集准确率远高于训练集，最可能的原因是？

A.模型过拟合

B.模型欠拟合

C.数据泄露

D.学习率过高

答案：C

解析：过拟合表现为训练集准确率高、验证集低；欠拟合表现为两者都低；学习率过高会导致训练不稳定（准确率波动大）；数据泄露（如验证集包含训练集数据）会使验证集评估失真，出现验证集准确率异常高的情况。

卷积神经网络（CNN）中，感受野指的是？

A.卷积核的大小（如3×3）

B.特征图中一个像素对应原始输入的区域

C.最大池化操作的步长

D.全连接层的神经元数量

答案：B

解析：感受野（ReceptiveField）定义为特征图中一个神经元对应原始输入的区域范围