本文用于记录我在2021a以人工智能实验班成员身份旁听宋晖、刘晓强老师的深度学习与应用实践课中章节测验中所刷到的题 因为不追求高分，所以没有反复刷正确的答案，如果答案错误的话，不会标出正确的选项 因为每次做题题号和选项都是乱的，所以没有标注题号，如果找不到对应的题目，建议使用 Ctrl+F 进行搜索 作业做得挺云里雾里的，就不拿出来备份了 最后综合成绩的话，应该是过了的

测验5-8答案

【单选题】以下____算法是基于规则的分类器。

A、神经网络 B、k-means C、逻辑回归 D、决策树

【单选题】以下关于人工神经网络的描述正确的是____。

A、神经网络对训练数据中的噪声不敏感，因此不用考虑数据质量 B、神经网络训练后很容易得到分类的规则 C、训练人工神经网络是一个很耗时的过程 D、只能用于分类任务

【单选题】有关前馈神经网络的认识正确的是____。

A、神经网络训练过程是拟合训练数据模式的过程 B、神经网络训练后很容易得到分类的规则 C、一个结构明确的神经网络的训练结果是唯一的 D、神经网络模型的分类能力一定比决策树好

【单选题】在一个神经网络中，确定每一个神经元的权重和偏差是模型拟合训练样本的目标，比较有效的办法是____。

A、根据人工经验随机赋值 B、搜索所有权重和偏差的组合，直到得到最佳值 C、赋予一个初始值，然后迭代更新权重，直至损失函数取得极小 D、下一层神经元继承上一层神经元的权重和偏差

【单选题】以下_____问题不适合应用神经网络。

A、预测电信客户流失的可能性 B、辅助确定是否给银行的客户贷款 C、对基金公司的客户进行分组，了解每组客户的特点 D、股票走势的预测

【单选题】_____用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小。

A、优化函数 B、梯度下降 C、反向传播 D、损失函数

【单选题】下面对感知机网络（Perceptron Networks）描述不正确的是_____。

A、感知机网络没有隐藏层 B、感知机网络具有一层隐藏层 C、感知机网络不能拟合复杂数据 D、感知机网络是一种特殊的前馈神经网络

【单选题】在前馈神经网络中，误差反向传播（BP算法）将误差从输出端向输入端进行传输的过程中，算法会调整神经网络的_____。

A、神经元和神经元之间连接的有无 B、相邻层神经元和神经元之间的连接权重 C、同一层神经元之间的连接权重 D、输入数据大小

【单选题】_____对前馈神经网络的描述是不正确的。

A、层与层之间通过“全连接”进行连接，即两个相邻层之间神经元完全成对连接 B、各个神经元接受前一级神经元的输入，并输出到下一级 C、同一层内神经元之间存在全连接 D、同一层内的神经元相互不连接

【单选题】下面_____图像是sigmoid激活函数。

A、图1 B、图2 C、图3 D、图4

【单选题】神经网络训练时，数据的类别标签可以用独热编码，编码中____。

A、只有1个1，其他为0 B、只有1个0，其他为1 C、只要是二进制就可以 D、一般用8位二进制数

【单选题】神经网络建模步骤一般是____。 1)模型评估 2)网络配置 3)模型训练 4)数据准备 5)模型预测

A、1)2)3)4)5) B、3)2)1)5)4) C、5)4)3)2)1) D、4)2)3)1)5)

【多选题】神经网络由许多神经元组成，下列关于神经元的陈述中____是正确的。

A、一个神经元可以有多个输入和一个输出 B、一个神经元可以有一个输入和多个输出 C、一个神经元可以有多个输入和多个输出 D、一个神经元只能有一个输入和一个输出

【多选题】用于监督分类的算法有___。

A、线性回归 B、K-means C、决策树 D、神经网络

A、线性回归 肯定是错的C、决策树 和 D、神经网络 肯定是对的，当时选BCD判错，大概率正确答案是C、D

【多选题】神经网络的激活函数，通常具有___特性。

A、非线性 B、线性 C、可导 D、不可导

【多选题】在神经网络中，以下____技术用于解决过拟合。

A、加大学习率 B、Dropout C、正则化 D、规范化

B、Dropout 和 C、正则化 肯定对，我当时全选，判错了

【多选题】训练样本中，正负样本数量的比例较大，这称为样本类别不平衡问题，可采用____解决。

A、过采样，即增加正样本数量，使正负样本接近再学习 B、欠采样，即去除反例样本数量，使正负样本接近再学习 C、设置阈值。基于原始数据集学习，当使用已训练好的分类器进行测试时，将正负样本数量的比例作为阈值嵌入到决策过程中 D、改变评价标准，用AUC/ROC来进行评价

【多选题】如果神经网络的学习率太大，____。

A、网络一定收敛 B、网络可能无法收敛 C、网络收敛速度慢 D、网络收敛速度快

【判断题】神经网络被称为通用函数拟合器，所以它理论上可以表示任何决策边界。

√

【判断题】全连接神经网络输入层的神经元个数一般与一个输入样本的特征个数相同。

√

【单选题】实现二分类任务的神经网络中，输出层激活函数一般选择____。

A、softmax B、relu C、tanh D、sigmoid

【单选题】如果神经网络的性能有____表现，说明出现过拟合。

A、训练集精度升高、验证集精度升高 B、训练集精度下降、验证集精度下降 C、训练集精度升高、验证集精度下降 D、训练集精度下降、验证集精度升高

【单选题】实现多分类任务的神经网络，输出层的神经元个数一般选择____。

A、与类别数一致 B、10以内 C、2个 D、类别数的2倍

【单选题】实现多分类任务的神经网络，损失函数一般选择____。

A、sigmoid B、mse C、binary_crossentropy D、categorical_crossentropy

【单选题】实现多分类任务的神经网络，隐藏层的神经元个数一般应该____分类数。

A、等于 B、小于 C、大于 D、不用考虑分类数

【单选题】神经网络训练时采用k折交叉验证时，____。

A、随机选任一份做验证集，其他份做训练集 B、随机选任一份做训练集，其他份做验证集 C、依次选一份做验证集，其他份做训练集 D、随机选k份做训练集，其他份做验证集

【单选题】实现标量回归预测任务的神经网络，评价指标一般选择____。

A、精确率 B、平均绝对误差 C、召回率 D、交叉熵

【多选题】下列____方法可以用来降低深度学习模型的过拟合问题。

A、增加更多的数据 B、减小网络 C、添加Dropout D、对损失函数添加权重正则化

【判断题】当训练集数据量小时，神经网络训练时可以采用k折交叉验证，k值的选择可以采用实验确定。

√

【判断题】特征工程的目标就是减少数据集中特征的个数。

×

【单选题】以下____情况下，神经网络模型被称为深度学习模型。

A、加入更多层，使神经网络深度加深 B、输入层可以接收维度更高的数据 C、当问题是图形识别或分类问题时 D、激活函数更复杂

【单选题】卷积神经网络输入的彩色图像数据的张量格式为_____。

A、 (样本数，高度，宽度，通道数) B、 (样本数，高度，宽度) C、 (高度，宽度) D、 (高度*宽度)

【单选题】假设我们需要训练一个卷积神经网络，来完成500种图像分类，类别采用独热编码。该卷积神经网络最后一层是分类层，则最后一层输出向量的维数大小可能是_____。

A、1 B、100 C、250 D、500

【单选题】CNN网络中池化层的作用有___。

A、实现局部特征提取 B、减少过拟合 C、减少隐层节点数 D、获得分类结果

B、减少过拟合 是错误答案，大概是A?

【单选题】CNN中，____是局部连接，所以提取的是局部信息。

A、卷积层 B、池化层 C、全连接层 D、Dropout层

【单选题】使用预训练模型进行特征提取，要训练的部分是____。

A、全连接分类器 B、高层卷积层 C、底层卷积层 D、整个网络

C、底层卷积层 是错误答案

【单选题】预训练模型的卷积基一般____。

A、只包含卷积层 B、包含卷积层、池化层和全连接层 C、包含卷积层和池化层 D、包含冻结的卷积层

B、包含卷积层、池化层和全连接层 是错误答案

【单选题】微调预训练模型，一般是指调整____。

A、全连接层 B、高层卷积层 C、底层卷积层 D、任意一个或几个卷积层

【单选题】要解决的问题只有少量的数据，但幸运的是有一个之前训练过的针对类似问题的神经网络模型。最佳方案是____。

A、对于新的数据集重新训练模型 B、冻结除第一层之外的所有层，微调第一层 C、评估模型每一层的功能，然后选择其中的某些层 D、冻结除最后一层之外的所有层，重新训练最后一层

【多选题】通过数据增强可以减少过拟合的发生，常用的方法有以下____。

A、从数据源采集更多的数据 B、复制原有数据并添加随机噪声 C、复制多份一样的数据放在一起 D、根据现有样本估计样本的分布，然后按照此分布再产生一些样本

【多选题】 CNN网络中，卷积核大小一般常采用____。

A、3 * 3 B、5 * 5 C、100 * 100 D、1024 * 1024

【多选题】深度学习对____的数据集没有明显优势。

A、数据集小 B、数据集大 C、没有局部相关性 D、有局部相关性

【多选题】Keras的图片生成器的主要作用是____。

A、随机动态生成图像 B、自动批量加载磁盘图像 C、实现数据的转换 D、生成图像并保存到磁盘

全选判错

【多选题】对图片数据进行数据增强可以采用____方法。

A、旋转图像 B、随机裁剪 C、增加噪声 D、数据集中两个图像叠加

全选判错

【多选题】在微调预训练模型时，____情况下，冻结层数越少。

A、数据集越大 B、数据集越小 C、数据集与原始数据集相似性越大 D、数据集与原始数据集相似性越小

【判断题】CNN网络的每个卷积层之后都有池化层。

×

【判断题】CNN网络的一个卷积核只能提取一种模式。

√

【判断题】卷积神经网络的参数量要远远小于同样规模的全连接神经网络的参数量。

√

【判断题】卷积神经网络可以对一个输入完成旋转、错切等变换。

×

【判断题】增大卷积核的大小必然会提高卷积神经网络的性能。

×

【单选题】要解决的问题只有少量的数据，但幸运的是有一个之前训练过的针对类似问题的神经网络模型。最佳方案是____。

A、对于新的数据集重新训练模型 B、冻结除第一层之外的所有层，微调第一层 C、评估模型每一层的功能，然后选择其中的某些层 D、冻结除最后一层之外的所有层，重新训练最后一层

【单选题】预训练模型是指____。

A、先训练一个模型作为基准 B、在正式训练之前，做一次试验训练 C、已经在大数据集上训练好的一个模型 D、预先根据任务特点，对模型结构进行调整

【单选题】 使用预训练模型进行特征提取，要训练的部分是____。

A、全连接分类器 B、高层卷积层 C、底层卷积层 D、整个网络

【单选题】预训练模型的卷积基一般____。

A、只包含卷积层 B、包含卷积层、池化层和全连接层 C、包含卷积层和池化层 D、包含冻结的卷积层

【多选题】在微调预训练模型时，____情况下，冻结层数越少。

A、数据集越大 B、数据集越小 C、数据集与原始数据集相似性越大 D、数据集与原始数据集相似性越小

【多选题】微调预训练模型时，需要进行两次训练：____。

A、整个网络训练 B、分类器训练 C、解冻层训练 D、分类器和解冻层训练

【多选题】类激活的热力图可以辅助观察____。

A、分类对象的位置 B、分类对象的激活强度分布 C、分类对象的大小 D、分类对象的视觉模式

【判断题】卷积神经网络越高层次，提取到的特征越具有通用性。

×

【判断题】卷积神经网络越高层次，输出的特征图稀疏度越大。 √

【判断题】类激活的热力图中热度最高的像素说明其对分类的贡献度越大。 √