2026年深度学习工程师考试题库（附答案和详细解析）（0907）.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，使用ReLU作为激活函数的主要优势是（）

A.能够解决梯度消失问题，计算简单且收敛速度快

B.输出值始终位于0到1之间，有利于概率解释

C.函数处处可导，不存在不可导点

D.能够自动调整学习率，无需手动设置

答案：A

解析：ReLU（修正线性单元）在正区间梯度恒为1，可以有效缓解深层网络中的梯度消失问题，且计算量小、收敛速度快。选项B描述的是Sigmoid函数的特性；选项C错误，ReLU在0点处不可导；选项D与激活函数无关，学习率由优化器控制。

在卷积神经网络中，感受野（ReceptiveField）指的是（）

A.卷积核中参数的数量

B.输出特征图上每个像素对应输入图像上的区域大小

C.池化窗口移动的步长

D.输入图像中所有像素点的集合

答案：B

解析：感受野定义为卷积神经网络每一层输出的特征图上的像素点在原始输入图像上映射的区域大小。选项A是卷积核的参数量；选项C是池化操作的步长参数；选项D描述的是整个输入空间，并非感受野。

在训练循环神经网络（RNN）时，常采用BPTT（随时间反向传播）算法，其主要特点是（）

A.将误差从输出层逐层向前传播，且各时间步共享同一套参数

B.每个时间步独立训练，不共享参数

C.只计算最后一层的梯度，忽略时间维度

D.仅适用于卷积神经网络结