2026年深度学习工程师考试题库（附答案和详细解析）（0925）.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.使用Sigmoid作为激活函数的深层网络在反向传播时出现梯度消失，最主要的原因是（）A.Sigmoid函数输出不是零均值，导致各层输入始终为正，使权重梯度方向过于一致

B.反向传播时多个导数值小于1的因子连乘，使梯度逐层衰减

C.训练数据中类别分布严重不均衡

D.权重初始化为正交矩阵

答案：B

解析：Sigmoid导数最大仅为0.25，饱和区接近0，深层网络反向传播时的链式求导会形成多个小于1的数连乘，梯度幅值指数衰减。A是Sigmoid的缺点，但梯度消失的直接机制是链式连乘；C会影响类别分布但不直接导致梯度消失；D中正交初始化通常有利于信号传播，不是梯度消失原因。

2.在训练深度网络时，发现某个ReLU神经元对所有样本输出恒为0，最直接的解决方法是（）A.增大学习率

B.使用更小的权重初始化

C.改用LeakyReLU或PReLU等带负斜率/可学习斜率的激活函数

D.增加网络层数

答案：C

解析：死亡ReLU是因为负输入区间梯度为0，神经元一旦落入该区间便无法更新。LeakyReLU/PReLU在负半轴保留非零梯度，能避免或缓解该问题。增大学习率可能加剧失活；更小初始化不能保证恢复；增加层数与死亡ReLU无关。

3.在图像多分类任务中，将Softmax输出与交叉熵损失结合使用的优