2026年深度学习工程师考试题库（附答案和详细解析）（0619）.docxVIP

深度学习工程师

一、单项选择题（共10题，每题1分，共10分）

在深度学习中，用于衡量模型预测概率分布与真实标签分布差异的常用指标是：A.准确率B.均方误差(MSE)C.交叉熵损失函数D.F1分数

答案：C解析：交叉熵损失函数常用于分类问题，特别是多分类问题，它能够有效地衡量模型预测的概率分布与真实分布之间的差异。准确率是整体预测正确的比例，F1分数是精确率和召回率的调和平均，MSE主要用于回归问题。因此C最符合描述。

关于反向传播算法，以下哪项描述是正确的？A.反向传播仅用于前向传播过程B.反向传播利用链式法则计算梯度C.反向传播仅适用于卷积神经网络D.反向传播不需要知道损失函数的具体形式

答案：B解析：反向传播算法的核心是利用链式法则从输出层向输入层逐层计算梯度，以更新参数。它适用于所有基于梯度下降的神经网络。A错误，它是计算梯度的过程；C错误，它适用于全连接、CNN、RNN等多种网络；D错误，必须知道损失函数才能定义输出误差。

在Transformer模型中，自注意力机制的计算公式通常涉及矩阵运算，以下哪个缩放项是必须的？A.dkB.dvC.dmo

答案：A解析：在Transformer的ScaledDot-ProductAttention中，为了防止点积结果过大导致Softmax函数进入梯度极小的饱和区（即梯度消失），