2026年深度学习工程师考试题库（附答案和详细解析）（0731）.docxVIP

深度学习工程师

一、单项选择题（共10题，每题1分，共10分）1.以下激活函数中，最容易在深层网络中引发梯度消失问题的是A.ReLU激活函数B.Sigmoid激活函数C.LeakyReLU激活函数D.GELU激活函数答案：B解析：Sigmoid函数的输出区间为(0,1)，两端饱和区域的梯度趋近于0，反向传播过程中梯度容易逐层衰减消失；其他选项均为ReLU衍生类激活函数，正区间梯度为1/近似1，能够有效缓解梯度消失问题。A选项ReLU正区间梯度恒为1，C选项LeakyReLU负区间保留小梯度，D选项GELU为正态分布映射的平滑激活函数，均不会出现Sigmoid类的梯度饱和消失问题。2.卷积神经网络中，用于降低特征图空间分辨率、同时扩大后续卷积核感受野的常用组件是A.全连接层B.池化层C.批归一化层D.注意力层答案：B解析：池化层通过对局部特征取最大值/平均值操作，将特征图宽高压缩为原来的1/N，在减少计算量的同时扩大后续层的感受野；A选项全连接层用于特征维度映射输出分类结果，C选项批归一化层用于稳定训练过程的分布，D选项注意力层用于加权强化关键区域特征，均不具备直接降分辨率扩感受野的核心作用。3.反向传播算法计算损失对权重的梯度时，核心依托的数学原理是A.链式求导法则B.贝叶斯定理C.大数定律D.中心极限定理答案：