2026年深度学习工程师考试题库（附答案和详细解析）（0804）.docxVIP

深度学习工程师

一、单项选择题（共10题，每题1分，共10分）

以下激活函数中，能够有效缓解深层神经网络梯度消失问题的是A.Sigmoid激活函数B.ReLU激活函数C.Tanh激活函数D.Softsign激活函数答案：B解析：正确选项依据：ReLU函数在输入大于0的区间梯度恒为1，不会出现梯度饱和衰减为0的情况，能有效缓解深层网络的梯度消失问题。错误选项分析：A选项Sigmoid函数在输入绝对值超过5时梯度趋近于0；C选项Tanh函数在输入绝对值超过3时梯度趋近于0；D选项Softsign是Sigmoid类的平滑激活函数，同样存在梯度饱和问题。

在卷积神经网络中，用来降低特征图空间维度、减少计算量的常用操作是A.上采样操作B.池化操作C.空洞卷积操作D.批量归一化操作答案：B解析：正确选项依据：最大池化、平均池化等操作通过对局部特征区域做聚合统计，直接缩小特征图的宽高维度，大幅降低后续层的参数量和计算量。错误选项分析：A选项上采样的作用是放大特征图维度；C选项空洞卷积是在不增加计算量的前提下扩大感受野，不会降低特征图维度；D选项批量归一化是用来规范特征分布、加速训练收敛的操作，不改变特征图空间维度。

标准RNN网络在处理长序列文本时最容易出现的核心问题是A.计算速度过慢导致无法训练B.梯度消失/梯度爆炸导致长距离依赖无法学习C.