2026年深度学习工程师考试题库（附答案和详细解析）（0820）.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，能够有效缓解深度网络层数增加时出现的梯度饱和问题的是A.Sigmoid函数B.ReLU函数C.Tanh函数D.Softmax函数答案：B解析：正确选项依据为ReLU激活函数在输入正区间的梯度恒为1，不会出现梯度趋近于0的饱和现象，保障深层网络的梯度有效回传。错误选项分析：A选项Sigmoid函数输入绝对值大于5时梯度趋近于0，极易出现梯度饱和；C选项Tanh函数输入绝对值大于3时梯度趋近于0，同样存在梯度饱和问题；D选项Softmax函数仅用于多分类任务的输出层概率归一化，不具备缓解梯度饱和的特性。2.卷积神经网络中，用于降低特征图维度、减少计算量同时保留核心特征的常用组件是A.卷积层B.池化层C.全连接层D.批归一化层答案：B解析：正确选项依据为池化层通过对局部特征区域取最大值或平均值等操作，压缩特征图的空间尺寸，实现计算量削减和核心特征保留。错误选项分析：A选项卷积层的核心作用是提取局部特征，不会降低维度；C选项全连接层是将特征映射到样本标签空间，参数量极大且无降维作用；D选项批归一化层的作用是稳定训练过程的特征分布，不改变特征图尺寸。3.以下优化器中，能够自适应调整学习率、对稀疏数据场景表现最优的是A.SGD随机梯度下降B.Moment