深度学习工程师神经网络设计题目及答案.docxVIP

深度学习工程师神经网络设计题目及答案

一、单项选择题（共10题，每题1分，共10分）

下列激活函数中，当输入为负值时仍然能够保持非零梯度，可有效缓解神经元死亡问题的是？

A.Sigmoid

B.Tanh

C.标准ReLU

D.LeakyReLU

答案：D

解析：Sigmoid和Tanh激活函数在输入进入极值区间时梯度会趋近于0，存在梯度消失问题；标准ReLU在输入为负值时梯度为0，会导致对应神经元无法更新，出现神经元死亡问题；LeakyReLU在输入为负值时会保留一个很小的固定斜率，梯度不为零，有效缓解神经元死亡问题，因此正确选项为D。

某3层卷积网络所有卷积核大小均为3×3，步长为1，无填充，那么第三层单个神经元对应输入层的感受野大小是？

A.3×3

B.5×5

C.7×7

D.9×9

答案：C

解析：卷积网络感受野的计算规则为，当前层感受野=上一层感受野+（卷积核大小-1）×之前所有层步长的乘积，本题中第一层感受野为3×3，第二层为3+2=5×5，第三层为5+2=7×7，因此正确选项为C；A为第一层感受野，B为第二层感受野，D为错误计算结果。

二分类任务中，输出层最常用的损失函数是？

A.均方误差损失

B.交叉熵损失

C.平均绝对误差损失

D.Huber损失

答案：B

解析：均方误差损失、平均绝对误差损失、Huber损失均为回归任务常用损失函数，更适