2026年深度学习工程师考试题库（附答案和详细解析）（0211）.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）

以下哪项是ReLU激活函数的主要优点？

A.输出范围在(0,1)之间，适合概率输出

B.解决梯度消失问题，加速训练

C.导数恒定为1，避免梯度爆炸

D.对输入负值有非线性变换能力

答案：B

解析：ReLU（修正线性单元）的主要优点是在输入为正时导数为1，避免了Sigmoid或Tanh在深层网络中因导数小于1导致的梯度消失问题（B正确）。A是Sigmoid的特点；C错误，ReLU在输入为负时导数为0，可能导致“神经元死亡”；D描述不准确，ReLU对负值直接输出0，无变换能力。

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.学习率过小

B.模型欠拟合

C.模型过拟合

D.数据未归一化

答案：C

解析：验证集损失下降但测试集损失上升，说明模型在训练数据上过度拟合了噪声或细节，泛化能力差（C正确）。A会导致训练速度慢；B表现为训练集和验证集损失均较高；D会导致训练不稳定，但不会直接导致验证与测试集的差异。

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.单个神经元在输入特征图上能影响的区域范围

C.全连接层的输入维度

D.池化操作的步长

答案：B

解析：感受野（ReceptiveField）定义为特征图中一个神经元