2026年深度学习工程师考试题库（附答案和详细解析）（0123）.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.Sigmoid

B.Tanh

C.ReLU

D.线性函数

答案：C

解析：ReLU（修正线性单元）的导数在输入为正时恒为1，避免了Sigmoid（导数最大0.25）和Tanh（导数最大0.5）因导数过小导致的梯度消失问题；线性函数导数恒为常数，无法引入非线性，不适用于深层网络。

在训练深度神经网络时，若验证集损失持续下降但测试集损失上升，最可能的原因是？

A.学习率过低

B.模型欠拟合

C.模型过拟合

D.数据分布不一致

答案：C

解析：过拟合表现为模型在训练数据上表现良好（验证集损失下降），但泛化能力差（测试集损失上升）；欠拟合会导致训练集和验证集损失均较高；学习率过低会导致训练缓慢；数据分布不一致可能导致测试集损失异常但无明确趋势。

卷积神经网络（CNN）中，感受野（ReceptiveField）指的是？

A.卷积核的大小

B.特征图中一个像素对应原始输入的区域

C.池化层的步长

D.全连接层的神经元数量

答案：B

解析：感受野定义为特征图中单个神经元对应的原始输入图像的区域范围，反映该神经元能感知的输入信息范围；卷积核大小是计算感受野的参数之一，但非定义本身。

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.