以下哪些是LSTM 中的基本门结构?
- A遗忘门
- B输入门
- C输出门
- D状态门
深度学习与传统机器学习的主要区别是( )
- A自动学习特征vs人工设计特征
- B不需要数据
- C只能处理图片
- D运算速度更慢
深度学习中的「深度」主要指( )
- A数据量很大
- B网络层数很多
- C计算很深入
- D参数精度很高
以下不属于深度学习框架的是( )
- ATensorFlow
- BPyTorch
- CKeras
- DExcel
深度学习在图像识别领域取得突破性进展的标志性事件是( )
- A深蓝击败国际象棋冠军
- BAlphaGo击败李世石
- CAlexNet赢得ImageNet竞赛
- DSiri发布
生成对抗网络(GAN)由哪两部分组成( )
- A生成器和判别器
- B编码器和解码器
- C卷积层和池化层
- D输入层和输出层
GAN中生成器的目标是( )
- A判断数据真假
- B生成逼真的假数据欺骗判别器
- C对数据进行分类
- D压缩数据
自编码器的主要用途是( )
- A生成新数据
- B分类任务
- C特征提取和降维
- D序列预测
迁移学习的核心思想是( )
- A必须从头训练模型
- B只能用于相同任务
- C不需要任何训练数据
- D将已学知识迁移到新任务
小郑想用深度学习识别工厂产品缺陷,但只有少量缺陷图片,最合适的策略是( )
- A使用迁移学习
- B从零训练模型
- C放弃使用深度学习
- D只使用传统方法
ResNet中残差连接的主要作用是( )
- A增加模型参数
- B解决深层网络退化问题
- C减少训练数据
- D替代激活函数
深度学习中数据增强的目的是( )
- A减少训练数据
- B降低模型精度
- C扩充训练数据,缓解过拟合
- D加速训练过程
以下不属于数据增强方法的是( )
- A图像旋转
- B图像翻转
- C随机裁剪
- D删除训练数据
预训练模型是指( )
- A在大数据集上已训练好的模型
- B不需要训练的模型
- C只能用于原始任务的模型
- D参数固定的模型
微调(Fine-tuning)是指( )
- A从头开始训练模型
- B在预训练模型基础上用新数据继续训练
- C只使用原始数据训练
- D固定所有参数不变
深度学习模型训练通常需要的硬件是( )
- A普通CPU
- B更多内存
- CGPU
- D更大硬盘
以下关于深度学习的说法正确的是( )
- A深度学习不需要数据
- B少量数据就能训练好模型
- C数据量不影响效果
- D通常需要大量数据才能发挥优势
Transformer架构的核心机制是( )
- A自注意力机制
- B卷积操作
- C循环结构
- D池化操作
注意力机制的作用是( )
- A减少模型参数
- B加速数据加载
- C让模型关注输入中重要的部分
- D替代损失函数
以下关于GPU和CPU在深度学习中作用的说法正确的是( )
- ACPU比GPU更适合训练深度学习模型
- BGPU的并行计算能力更适合深度学习训练
- CGPU和CPU在深度学习中没有区别
- D深度学习只需要CPU
本页仅提供题目与选项供学习参考,不含答案。如需系统练习、自动判分与错题本,欢迎前往主站《人工智能通识基础》在线练习。