2022全国新工科大赛决赛客观题考试

2022全国新工科大赛决赛客观题考试
1、下列关于TensorFlow多个版本的叙述中,错误的是
A、TensorFlow 共有2个版本,分别是 TensorFlow 1.x 和 TensorFlow 2.x
B、TensorFlow 1.x 使用静态图模式
C、TensorFlow 2.x 使用静态图模式
D、TensorFlow 1.x 和 TensorFlow 2.x 的代码语法差距较大
参考答案: C
2、下列主流框架中,不属于国外开源框架的是
A、TensorFlow
B、MindSpore
C、Caffe
D、PyTorch
参考答案: B
3、下列关于神经网络训练过程的叙述中,正确的是
A、Epoch大小对神经网络的训练没有影响
B、Batch Size大小对神经网络的训练没有影响
C、每次取出m条数据训练神经网络,m称为Batch Size
D、神经网络的训练过程不是神经网络调整权重的过程
参考答案: C
4、下列关于神经网络复杂度的叙述中,正确的是
A、隐藏层的层数越多,神经网络复杂度越简单
B、隐藏层层数相同时,隐藏层每一层的神经元个数越多,复杂度越高
C、模型复杂度过低,可能会导致过拟合。
D、模型复杂度过高,可能会导致欠拟合
参考答案: B
5、下列关于激活函数的叙述中,错误的是
A、当神经网络用于解决二分类问题时,输出层的神经元一般使用Sigmoid激活函数
B、使用Tanh激活函数不会出现梯度消失的问题
C、神经网络解决回归问题时,输出神经元一般都使用Linear激活函数
D、Softmax激活函数只能用在输出层神经元上
参考答案: B
6、下列关于卷积神经网络层的叙述中,错误的是
A、n个卷积核生成n个特征图
B、不同的卷积核可以从原始图像中提取出不同的特征
C、卷积层后面加上ReLU操作的目的是在卷积神经网络中引入非线性
D、ReLU是元素级别的操作,将特征图中的所有正像素值替换为零
参考答案: D
7、下列关于AlexNet亮点的叙述中,错误的是
A、采用了ReLU激活函数
B、引入了Dropout
C、多GPU并行计算
D、提出了注意力模块
参考答案: D
8、下列关于监控网络训练过程的叙述中,错误的是
A、深度学习框架TensorFlow和PyTorch都自带了TensorBoard
B、TensorBoard能实时绘制网络训练过程中的accuracy和loss曲线
C、欠拟合/过拟合可以借助TensorBoard的loss和accuracy曲线做出及时判断
D、过拟合现象可以通过提升模型的复杂度解决
参考答案: D
9、下列关于循环神经网络的叙述中,错误的是
A、循环神经网络不能捕捉输入数据中的序列信息
B、循环神经网络可以一个输入对应多个输出
C、循环神经网络可以多个输入对应一个输出
D、循环神经网络可以多个输入对应多个输出
参考答案: A
10、下列关于RNN和LSTM的叙述中,错误的是
A、如果输入的序列太长,RNN模型可能会发生梯度消失的问题
B、LSTM是长短期记忆网络,是一种时间循环神经网络
C、LSTM不适合处理时间序列中间隔和延迟相对较长的重要事件
D、基于LSTM可以学习翻译语言、控制机器人、文档摘要、控制聊天机器人等任务
参考答案: C
11、下列关于GRU叙述中,错误的是
A、LSTM 改动较大的变体是GRU,GRU于2014年提出
B、GRU将忘记门和输入门合成了一个单一的更新门
C、GRU模型可以根据前n天的股票数据,预测第n+1天股票的数据
D、GRU最终的模型比标准LSTM模型复杂,是非常流行的变体
参考答案: D
12、下列关于生成对抗网络的叙述中,错误的是
A、生成对抗网络(GAN)于2014年提出,它能生成假图像
B、生成对抗网络通过博弈论(minimax)的思想进行学习
C、生成器将尽可能地生成与训练集不相似的假数据。
D、判别器将尽可能地区分真实数据和生成器生成的假数据
参考答案: C
13、下列关于生成对抗网络训练过程的叙述中,错误的是
A、GAN的最终目标是把噪声转换成属于真实数据分布的数据
B、生成器生成的假数据应该打上和真数据一样的标签
C、判别模型是从给定分布中区分数据的模型
D、判别器同时接受真数据和假数据,在混杂数据集上进行训练
参考答案: B
14、下列不属于生成对抗网络应用领域的是
A、文本-图像转换
B、图像-图像转换
C、生成图像数据集新样本
D、多轮对话机器人
参考答案: D
15、以下关于FCN,CNN的描述中,正确的是?
A、FCN与CNN的区域在把于CNN最后的全连接层换成卷积层,输出的是一张已经Label好的图片
B、FCN网络只能输入固定尺寸的图像
C、CNN网络可以输入任意尺寸的图像
D、FCN一定会比CNN性能好
参考答案: A
16、在实验【基于ANN预测银行客户流失情况】中分别优化了神经网络结构、学习率、优化器。下列说法错误的是
A、学习率设置的值小,则学习速度较慢。学习率设置的值大,则学习速度太快导致无法收敛。学习率的值应设置在合理范围之内。
B、如果模型学习速度过慢,可能是学习率过大导致的。这个时候要把学习率的值调小一些。
C、如果模型发生过拟合,那么降低神经网络结构是一种解决方法。
D、如果 loss曲线 一致波动无法收敛,可能是学习率过大造成的。解决方法是调小学习率的值。
参考答案: B
17、在【基于CNN的体感游戏手势识别】实验中,下列说法正确的是
A、可以自定义CNN网络结构解决图像分类问题
B、卷积层后面必须跟着池化层
C、分类模型的评估指标只能选用Accuracy
D、由于VGGNet、AlexNet、GoogleNet等分类模型较成熟,所以直接使用他们的网络结构训练分类模型
参考答案: A
18、在【基于LSTM的电影评论情感分析】实验中,下列说法错误的是
A、本实验之所以选择用LSTM,是因为文本数据中包含序列信息
B、LSTM和RNN一样,依旧有梯度消失问题
C、由于数据是文本格式,所以需要将文本处理成词向量的形式
D、文本分类模型可以用Accuracy指标评估
参考答案: B
19、在【基于DCGAN的人脸图像生成】实验中,下列说法错误的是
A、构建DCGAN网络时,需要分别构建生成器模型和判别器模型
B、在实际生活中,直接使用真实的人脸数据做项目即可,不需要在乎隐私问题。
C、生成器生成假的图像
D、判别器相当于二分类图像分类模型
参考答案: B
20、在【基于语义分割的细胞核提取】实验中,下列说法错误的是
A、对于图像分割项目,要对数据做像素级别的标注
B、在显微镜图像中分割细胞核通常是对生物学和生物医学应用的成像数据进行定量分析的第一步
C、unet模型对编码器中的每一层特征进行了融合
D、评价语义分割模型性能,可以通过 MPA 或 IoU 指标
参考答案: C
21、智能雨刷项目中采用ANN进行雨滴覆盖分析这一任务中,ANN模型的构建采用了哪个常用的库?
A、keras
B、sklearn
C、numpy
D、pandas
参考答案: A
22、智能雨刷项目采用KNN,ANN的方法任务里,对模型进行评估这一环节中,下列哪个指标没有出现在评估结果中?
A、precision
B、accuracy
C、recall
D、F1-score
参考答案: B
23、智能雨刷项目中采用KNN进行雨滴覆盖分析这一任务中,距离度量采用了?
A、明氏距离
B、欧氏距离
C、城市距离
D、棋盘距离
参考答案: A
24、智能雨刷项目中采用KNN进行雨滴覆盖分析这一任务中,项目中K的取值为?
A、1
B、3
C、5
D、7
参考答案: C
25、智能雨刷项目中,下面哪一项不是数据标注中的工作内容?
A、筛选出不合格的图片数据
B、从视频中进行抽帧,获取图片数据
C、人工对图片数据打标签
D、样本均衡,确保有雨数据和无雨数据数量接近
参考答案: B
26、下列哪个不是智能雨刷项目中数据采集的标准要求?
A、视频拍摄角度尽量端正,直视路面,无畸变,无反光
B、包含不同的天气,晴天,阴天,雨雪天,大雾天;有雨,无雨图片数量尽可能1:1。
C、视频来源设备尽可能多
D、视频必须是1080P及以上的分辨率
参考答案: D
27、完成智能雨刷这个项目后,相信你对算法的优化已经有一定的心得。如果想进一步提升雨滴覆盖分析的性能,下面哪些尝试是合理的?
A、采用性能更加强劲的训练服务器
B、搜集更多场景下的数据,进行更细致的标注(将图像分成16份,32份…)
C、换其他的深度学习框架,比如caffe,Tensorflow
D、跟项目主管申请,要求降低指标
参考答案: B
28、项目《自动驾驶中的智能雨刷控制系统》中,尝试采用CNN模型解决雨滴覆盖分析任务中,采用了下面哪个CNN模型?
A、AlexNet
B、ResNet
C、VGG
D、GoogleNet
参考答案: C
29、项目《自动驾驶中的智能雨刷控制系统》中将车前挡风玻璃上的雨滴覆盖量分析抽象成为一个什么问题?
A、图像分割
B、目标检测
C、图像分类
D、图像生成
参考答案: C
30、项目《自动驾驶中的智能雨刷控制系统》中,下列哪种算法或模型没有尝试?
A、ANN
B、KNN
C、K-means
D、CNN
E、FCN
参考答案: C

你可能感兴趣的:(机器学习心得,深度学习,神经网络,cnn)