手机扫描二维码答题
问卷发布者还未购买企业标准版或企业标准版已到期，此问卷暂时不能被填写！
00:00:00
2020全国高校深度学习师资培训第12期
录音中...
疫情浇不灭我们学习的热情，感谢您报名
2020全国高校深度学习线上师资培训第12期（CV班）
！为了保证此次培训效果达到最佳，特设置此测试，一共20道题目，全部为选择题，包含单选和多选，根据答题得分和报名信息综合择优录取。请您仔细阅读下面的考试规则，感谢您的理解和支持！
考试规则：
1.请保证报名本人作答，提交问卷则表示同意该要求
2.每人
只有一次作答机会
，限时30分钟，
不可反复提交
3.只允许在
全屏状态
下作答，全程切屏（即鼠标离开考试页面）
超过6次将立即结束考试
*
基本信息
（请保证所填姓名和手机号与报名填写的姓名、手机号一致）
：
姓名：
姓名：
学校：
学校：
手机号:
手机号:
*
1.
假设你使用带正则的逻辑回归进行目标分类，然而当你将算法用于一个新的测试数据集上，你发现本来在训练数据集上表现很好的分类器产生了非常大的测试误差。如下哪些措施可以用来减小测试误差
【多选题】
减小回归正则系数λ。
增大回归正则系数λ。
使用更多的训练数据。
使用更少的训练数据。
*
2.
在分类问题中,我们经常会遇到正负样本数据量不等的情况,比如正样本为10w条数据,负样本只有1w条数据,以下最合适的处理方法是
【多选题】
从10w正样本中随机抽取1w参与分类
将负样本每个权重设置为10,正样本权重为1,参与训练过程
将负样本重复10次,生成10w样本量,打乱顺序参与分类
直接进行分类,可以最大限度利用数据
*
3.
在数据预处理阶段，我们常常对数值特征进行归一化或标准化(standardization, normalization)处理。这种处理方式理论上不会对下列哪个模型产生很大影响？
【多选题】
k-NN
k-Means
决策树
朴素贝叶斯
*
4.
观察样本次数如何影响过拟合？注意：所有情况的参数都保持一致
【多选题】
观察次数多，不容易发生过拟合
观察次数少，容易发生过拟合
观察次数多，容易发生过拟合
观察次数少，不容易发生过拟合
*
5.
python my.py v1 v2 命令运行脚本，通过 from sys import argv如何获得v2的参数值?
argv[1]
argv[0]
argv[3]
argv[2]
*
6.
一段代码定义如下，下列调用结果正确的是？
def bar(multiple):
def foo(n):
return multiple ** n
return foo
bar(2)(3) == 6
bar(3)(2) == 8
bar(3)(2) == 6
bar(2)(3) == 8
*
7.
关于SVM泛化误差描述正确的是
SVM对训练数据的划分能力
SVM对未知数据的预测能力
超平面与支持向量之间距离
SVM的误差阈值
*
8.
假设有列表a = ['name', 'age', 'sex']和b = ['Dong', 38, 'Male']，请使用一个语句将这两个列表的内容转换为字典，并且以列表a中的元素为“键”，以列表b中的元素为“值”，这个语句可以写为
c=dict(list(b,a))
c=dict(zip(b,a))
c=dict(list(a,b))
c=dict(zip(a,b))
*
9.
若 a = [ 1,2,3,4,5 ]，以下代码输出结果正确的是？
print(a[:])=>[1,2,3,4]
print(a[0:]) =>[2,3,4,5]
print(a[:100]) =>[1,2,3,4,5]
print(a[-1:]) =>[1,2]
*
10.
A
B
C
D
*
11.
已知一个由全连接层构成的前馈神经网络，输入层有5个神经元，第一隐层有10个神经元，第二隐层有10个神经元，输出层有2个神经元，则神经模型中共有（ ）条连接。
80
1000
27
170
*
12.
下列哪一项在神经网络中引入了非线性
随机梯度下降
Sigmoid激活函数
增大权重和偏置的初始化值
以上都不正确
*
13.
下面哪种网络架构属于前馈神经网络
A
B
C
以上都是
*
14.
假设你有一个变量 "example"，如何判断它的类型？
Type(example)
getType(example)
type(example)
example.type:
*
15.
如果使用的学习率太大，会导致
网络收敛的慢
网络收敛的快
不确定
网络无法收敛
*
16.
代码 print(type([1,2])) 输出结果为
class<’set’>
class<’int’>
class<’list’>
class<’tuple’>
*
17.
以下哪一个关于卷积神经网络的说法是错误的
目标检测网络SSD的网络结构中包含卷积层
卷积神经网络中的建模学习，学习对象是每一层神经元的值
AlexNet是一个八层的卷积神经网络
典型的卷积神经网络，由卷积层、池化层、激活层、全连接层等组成
*
18.
以下哪一个关于卷积神经网络的说法是错误的
输入一个300*300的RGB图像，经过10个5*5的卷积核，隐层的参数量为760（考虑偏置）。
在神经元总数相当的情况下，增加网络的深度可以比增加宽度带来更强的网络表示能力。
多元神经网络可看成是一个复合的非线性多元函数。
Relu非线性激活函数的收敛速度比sigmoid要慢得多
*
19.
假设一个具有 3 个神经元和输入为 [1, 2, 3] 的简单多层感知机模型。输入神经元的权重分别为 4, 5 和 6。假设激活函数是一个线性常数值 3 (激活函数为：y = 2x)。输出是
643
32
96
64
*
20.
文字检测网络TextBoxes基于下列哪个网络
Fast r-cnn
SSD
YOLO
Faster r-cnn
评价对象得分
