【HUAWEI】HCIP-AI-MindSpore Developer V1.0 | 结课测试

目录

一 单选

二 多选

三 判断

四 填空



一 单选

1 一张图片在存放过程中出现了很多小的噪声,或白或黑,对其扫描进行以下哪一个操作的去噪效果最好?

A.均值滤波

B.中值滤波

C.高斯滤波

D.拉普拉斯滤波

2 以下哪个方法中使用了掩码语言模型(Masked Language Model)?

A. BERT

B. Fast-RCNN

C. ELMo

D. GPT

3 下列哪一项属于MindSpore的网络结构算子?

A. mindspore.nn.Dense

B. mindspore.layer.Dense

C. mindspore.nn.FC

D. mindspore.layer. FC

4 如果说文本分类的输入和输出关系是一种多对一的关系,那么机器翻译是以下哪一种关系?

A.一对多

B.多对一

C.多对多

D.一对一

5 以下关于神经网络结构的设计,描述错误的是哪一项?

A.LSTM网络的输入层通常是3维的。

B.在分类问题中,输出层的单元数一般等于分类的类型数。

○C.每个隐藏层的单元数越多分类精度越高,但是也会带来计算性能的下降,因此,要平衡质量和性能间的关系。

D.隐藏层的层数越多,网络精度越高,所以可以设置尽可能多的隐藏层。

6 MindSpore深度学习框架可以支持动态图和静态图模式,下列哪一项是MindSpore静态图的设置代码?

A. context. set context(mode=context. GPU_MODE)

B. context.set context(mode=context. GRAPH_MODE)

C. context.set _context(mode=context. PYNATIVE_MODE)

D. context.set context(mode=context. ASCEND_MODE)

7 MindSpore深度学习框架专门用于图像增强的是以下哪一个模块?

A. mindspore.numpy

B. mindspore.nn

C. mindspore.ops

D. mindspore.dataset.vision

8 在“Deep learning is my favorite subject”这句话中,如果窗口长度为3,则以下哪两个词的共现频率为0?

A. Deep与subject

B. my与is

C. learning与is

D. favorite与subject

9 以下关于词向量说法错误的是哪一项?

A.BERT与ELMo都可以生成动态词向量。

B.Word2Vec有两种类型,Skip-gram与CBOW。

C.原始的Glove方法可以很好的处理未登录词问题。

D.用fastText获取词向量能够考虑子词级别信息。

10 MindSpore的基本网络单元是以下哪个选项?

A.Cell

B.Layer

C.Net

D.opti

11 John最近正在学习搭建卷积神经网络,假设输入图像大小是15*15*3(w*h*c),经过一个含4个卷积核的卷积层,其中卷积核大小均为5*5,步长为2,无填充,在不计算Bias的情况下,该卷积层共有多少权重参数?

A.75 B.100 C.300 D.600

12 在使用GAN网络的时候,会出现生成样本单一的现象。这属于生成对抗网络中的哪一类问题?

A.模式崩塌

B.欠拟合

C.过拟合

D.梯度消失

13 在MindSpore数据处理过程中,需要对全数据集执行归一化、通道变换等操作,需要借助以下哪一个方法?

A.Batch

B.Map

C.Shuffle

D.Repeat

14 下列哪一项是动态计算图的核心特点?

A.计算图的构建和计算是同时发生的。

B.计算图的构建和计算是分开处理的。

C.更省内存,计算量更少。

D.编译之后图的结构不会发生改变。

15 在MindSpore中,能够提供训练过程可视化的是以下哪个子系统?

A. MindData

B. MindCompiler

C. MindInsight

D. MindExpress

16 相比于命名实体识别这类任务,将ELMo应用于阅读理解、自动问答任务,哪部分的ELMo词向量权重应该更大?

A.靠近底层

B.靠近顶层

C.中间层

D.所有位置权重一样

二 多选

17 以下关于条件随机场CRF模型的描述,哪几项是正确的?

A.CRF可以与BiLSTM结合使用。

B.理论上CRF也可以与其他深度学习方法结合,比如BERT。

C.CRF中一般只使用—种特征函数。

D.CRF中需要对不同序列的结果进行概率归一化。

18 卷积神经网络的参数共享的优点包含以下哪几项?

A.特征进行降维

B.缓解图像位置不变性的问题

C.减少内存需求

D.输出图像类别

19 在使用MindSpore做自定义训练时,我们可用TrainOneStepCell实现更加灵活的训练,TrainOneStepCell不包含的入参是以下哪些选项?

A.lr(learning rate)

B.network(Cell)

C.optimizer(Cell)

D.gradient

20 MindSpore在网络训练过程中,为了调试网络一般会观察loss现象,loss现象一般有哪几种表现?

A.loss波动过大,出现NAN,极大值等。

B.loss不收敛、收敛慢。

C.loss不变。

D.loss为0等。

21 MindSpore深度学习框架支持的优化器有以下哪几种?

A.Adam

B.AdamWeightDecay

C.MSELoss

D.Momentum

22 使用MindSpore中的mindspore.nn.Embedding方法时,输入为一个批次若干条文本数据,其维度为(batch_size,jnput_length),而输出的维度包括以下哪几项?

A.batch_size (批尺寸)

B.input_length (输入文本长度)

C.vocab_size(词典大小)

D.embedding_size(嵌入维度)

23 以下哪些选项是Pix2Pix模型可能出现的问题?

A.只能生成256x256的图像,生成分辨率更高的图像时效果比较差。

B.生成器接受边缘图像和噪声作为输入。

C.当同一类物体在图像中重叠时,无法生成高质量的图像。

D.pix2pix可以应用于自动着色。

24 对于PyTorch和MindSpore1.2的相互对应关系正确的是哪几项?

A.PyTorch的“tensor.view()”与MindSpore的“mindspore.ops.Reshape()(tensor)”相对应。

B.PyTorch的“tensor.view()”与MindSpore的“mindspore.ops.operations.ResizeBilinear”相对应。

C.PyTorch的“torch.nn.Linear”与MindSpore的“mindspore.nn.Dense”相对应。

D.PyTorch的“torch.nn.Linear”与MindSpore的“mindspore.nn.Conv”相对应。

25 MindSpore在运行过程中,用户可通过以下哪几个方式收集训练信息?

A.Callback

B.Adversarial Attack

C.Python的Log模块

D.Adaptive Differential Privacy Training

26 MindSpore目前支持多种常用的数据增强算子,其中c_transforms模块可以实现以下哪几种功能?

A.OneHot

B.Acosh

C.FILL

D.Duplicate

27 Transformer模型的Decoder模块中,有一层Attention计算中应用了Encoder模块的信息,这些信息包含以下选项中的哪几项?

A.Key

B.Value

C.Query

D.Positional Encoding

28 目标检测算法的输出有以下哪几项?

A.类别

B.文本

C.边界框的位置

D.目标区域大小

29 MindSpore提供了哪些模块供用户进行数据增强操作?

A. c_transforms

B. go_transforms

c. py_transforms

D. java_transforms

30 以下哪些任务属于序列标注任务?

A.中文分词

B.语义槽填充

C.命名实体识别

D.意图识别

31 Word2Vec的训练需要进行的是以下哪几项步骤?

A.模型参数的更新

B.使用反向传播方法

C.构建共现矩阵

D.计算损失函数

32 卷积神经网络中1x1卷积的作用包含以下哪几项?

A.控制输出特征图的通道数。

B.拉通不同特征图之间的信息。

C.提供防止过拟合的能力。

D.调节超参数。

33 关于ELMo,GPT,BERT,描述不正确的是哪几项?

A.ELMo、GPT、BERT三者都是静态词向量模型。

B.ELMo接近顶层的隐藏层包含了更多的语义信息。

C.BERT模型基于自注意力机制构建,其本质是对词与词之间关系的刻画。

D.GPT是一个基于Transformer的双向语言模型。

三 判断

34 卷积神经网络中池化层会压缩层的高度和宽度,去掉Feature Map中不重要的样本,同时也会改变通道数量。

正确答案:错误

35 YOLO网络应用了object proposal方法,利用selective search的结果进行目标检测。

正确答案:错误

36 二阶优化器需要额外计算二阶信息矩阵的逆矩阵,但由于该逆矩阵等价于一阶导数的对角矩阵,所以计算量并没有增加。

正确答案:错误

37 在AI训练中,混合并行指的是混合分布式训练。

正确答案:错误

38 直方图均衡化可以对图像的视觉效果进行增强,这种技术能够自动计算变化函数,不需要人为设置参数,操作简单,适用于所有情况。

正确答案:错误

39 将一个卷积神经网络第一层的特征图可视化,能够看到清晰的目标轮廓特征。

正确答案:错误

40 BERT模型中使用了[Mask]标记表示该词为掩码,因此,使用BERT模型进行“预训练-微调”任务时,会出现掩码与原词不一致的问题,可以使用相似词替换的方式来解决该问题。

正确答案:正确

41 MindSpore在网络训练过程中,batch size过小时,模型一定不能收敛到较优的极小值上,同时会降低模型的泛化能力。

正确答案:错误

42 Transformer模型中的Encoder模块使用了Mask操作。

正确答案:错误

43 使用MindSpore中的mindspore.nn.LSTM方法时,若隐藏层维度hidden_size为100,使用双向LSTM,则在输出的output张量中,代表文本数据每个位置输出向量的维度也为100。

正确答案:错误

在MindSpore中使用mindspore.nn.LSTM时,如果设置了双向LSTM并通过bidirectional=True参数启用,那么输出向量的维度实际上会是hidden_size * 2,而不是仅仅hidden_size。这是因为双向LSTM包含两个独立的LSTM层,一个正向LSTM和一个反向LSTM,每个方向的LSTM都有各自的hidden_size。因此,对于每个时间步,你将得到两个独立的隐状态输出,分别来自正向和反向LSTM。这些输出随后会被拼接在一起,形成最终的输出向量。

所以,如果你的hidden_size设置为100,并且你正在使用双向LSTM,那么输出的output张量中,代表文本数据每个位置输出向量的维度将是200(100来自正向LSTM,100来自反向LSTM)。

具体而言,output张量的形状将是(sequence_length, batch_size, hidden_size * num_directions),其中num_directions在双向LSTM的情况下为2。

44 将TensorFlow的网络迁移到MindSpore的过程中,为了保证两个网络中输入相同,需要去除网络中随机性因素的影响。

正确答案:错误

45 Xavier初始化可以保持神经网络每一层的输入和输出的方差一致。

正确答案:正确

46 MindSpore在进行构建模型时,权重初始值是模型训练的起点,权重初始值需要全部设置为0。

正确答案:错误

47 MindSpore Lite转换工具可支持MindSpore、TensorFlow、Caffe等深度学习框架模型。

正确答案:正确

48 Transformer模型提出后在自然语言处理领域得到了广泛应用,包括ELMo,BERT,GPT以及盘古模型等都是在Tranformer的基础进行改造的。

正确答案:错误

49 自注意力机制的出现早于RNN算法。

正确答案:错误

50 Bert网络使用了Transformer结构,抛弃了传统的RNN和CNN结构。

正确答案:正确

51 BiLSTM本质上是一种判别式模型,没有对标签与观测序值之间的联合概率进行建模。

正确答案:错误

52 语义分割是解决“每一个像素属于哪类目标物或场景”的问题。

正确答案:正确

53 在Adagrad优化器中,初始的累计平方梯度不能为0,这主要是为了保证公式分母不为0。

正确答案:错误

四 填空

54 在《Convolutional Neural Networks for Sentence Classification》论文中的传统TextCNN算法中,卷积核能够在()个方向上进行滑动。(请填写阿拉伯数字)

正确答案:1

55 若ELMo模型的LSTM层有3层,则最终用于下游任务的词向量将是()层结果的线性组合。(请填写阿拉伯数字)

正确答案:4

56 在使用MindSpore框架进行模型训练时,希望指定checkpoint文件保存路径,则需要使用以下接口“mindspore.train.callback.()”。

正确答案:ModelCheckpoint

57 当输入文本长度为6(词数),词向量长度为128,使用TextCNN模型,并使用2个维度为5x128,2个维度为3×128的卷积核,则最后结果单元的数量为()。(请填写阿拉伯数字)

正确答案:4

58 ( )方法在训练过程中会随机将该层的一些输出特征舍弃(设置为0),是神经网络有效也常用的正则化方法之一。(请填写英文)

正确答案:Dropout(dropout)

59 MindSpore中全连接层的API为“mindspore.nn.()”。

正确答案:Dense

60 MindSpore的“mindspore.()”库提供了MNIST,CIFAR-10,CIFAR-100,VOC,COCO, ImageNet,CelebA,CLUE等数据集。

正确答案:dataset

说明:本文内容来源于网络,仅作为学习用途,如有侵权,请联系作者删除。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/65446.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

高山旅游景区有效降低成本,无人机山下到山上物资吊运技术详解

在高山旅游景区,传统的物资运输方式往往面临人力成本高昂、效率低下等问题,而无人机技术的引入为这一难题提供了新的解决方案。以下是对无人机从山下到山上进行物资吊运技术的详细解析: 一、无人机物资吊运技术的优势 1. 降低人力成本&#…

Python爬虫 - 豆瓣图书数据爬取、处理与存储

文章目录 前言一、使用版本二、需求分析1. 分析要爬取的内容1.1 分析要爬取的单个图书信息1.2 爬取步骤1.2.1 爬取豆瓣图书标签分类页面1.2.2 爬取分类页面1.2.3 爬取单个图书页面 1.3 内容所在的标签定位 2. 数据用途2.1 基础分析2.2 高级分析 3. 应对反爬机制的策略3.1 使用 …

深度学习——回归实战

线性回归: 线性:自变量和应变量之间是线性关系,如:y wx b 回归:拟合一条曲线,使真实值和拟合值差距尽可能小 目标:求解参数w和b 所用算法:梯度下降算法 梯度下降&#…

单片机-串转并-74HC595芯片

1、74HC595芯片介绍 74HC595 是一个 8 位串行输入、并行输出的位移缓存器,其中并行输出为三态输出(即高电平、低电平和高阻抗)。 15 和 1 到 7 脚 QA--QH:并行数据输出 9 脚 QH 非:串行数据输出 10 脚 SCLK 非&#x…

探索AI在地质科研绘图中的应用:ChatGPT与Midjourney绘图流程与效果对比

文章目录 个人感受一、AI绘图流程1.1 Midjourney(1)环境配置(2)生成prompt(3)完善prompt(4)开始绘图(5)后处理 1.2 ChatGPT不合理的出图结果解决方案 二、主题…

【微服务】6、限流 熔断

线程隔离与容错处理 本视频主要讲解了在购物车业务中,因商品微服务响应慢导致的问题及解决方案,重点介绍了线程隔离后查询购物车业务不可用的情况,以及如何通过Fallback逻辑进行缓解,包括配置Feign调用为簇点资源、添加Fallback逻…

25年01月HarmonyOS应用基础认证最新题库

判断题 “一次开发,多端部署”指的是一个工程,一次开发上架,多端按需部署。为了实现这一目的,HarmonyOS提供了多端开发环境,多端开发能力以及多端分发机制。 答案:正确 《鸿蒙生态应用开发白皮书》全面阐释…

ELK实战(最详细)

一、什么是ELK ELK是三个产品的简称:ElasticSearch(简称ES) 、Logstash 、Kibana 。其中: ElasticSearch:是一个开源分布式搜索引擎Logstash :是一个数据收集引擎,支持日志搜集、分析、过滤,支持大量数据…

Dubbo-笔记随记一

一、实战 1 . Springboot整合 1.1 服务提供者 1.1.1 依赖 <dependency><groupId>org.apache.dubbo</groupId><artifactId>dubbo-spring-boot-starter</artifactId><version>3.2.10</version></dependency><dependency&g…

ETCD渗透利用指南

目录 未指定使用put操作报错 未指定操作版本使用get报错 首先etcd分为两个版本v2和v3&#xff0c;不同的API结果无论是访问URL还是使用etcdctl进行通信&#xff0c;都会导致问题&#xff0c;例如使用etcdctl和v3进行通信&#xff0c;如果没有实名ETCDCTL_API3指定API版本会直接…

使用VUE3创建个人静态主页

使用VUE3创建个人静态主页 &#x1f31f; 前言&#x1f60e;体验&#x1f528; 具体实现✨ 核心功能&#x1f3d7;️ 项目结构&#x1f680; 用这个项目部署 Git Page &#x1f4d6; 参考 &#x1f31f; 前言 作为开发者或者内容创作者&#xff0c;我们经常需要创建静态网页&a…

llm大模型学习

llm大模型 混合专家模型&#xff08;MoE&#xff09;MoE结构路由router专家expertSwitch Transformer的典型MOE模型最后MoE总结 混合专家模型&#xff08;MoE&#xff09; 模型规模是提升LLM大语言模型性能的关键因素&#xff0c;但也会增加计算成本。Mixture of Experts (MoE…

Linux入门攻坚——43、keepalived入门-1

Linux Cluster&#xff08;Linux集群的类型&#xff09;&#xff1a;LB、HA、HPC&#xff0c;分别是负载均衡集群、高可用性集群、高性能集群。 LB&#xff1a;lvs&#xff0c;nginx HA&#xff1a;keepalived&#xff0c;heartbeat&#xff0c;corosync&#xff0c;cman HP&am…

YOLOv8/YOLOv11改进 添加CBAM、GAM、SimAM、EMA、CAA、ECA、CA等多种注意力机制

目录 前言 CBAM GAM SimAM EMA CAA ECA CA 添加方法 YAML文件添加 使用改进训练 前言 本篇文章将为大家介绍Ultralytics/YOLOv8/YOLOv11中常用注意力机制的添加&#xff0c;可以满足一些简单的涨点需求。本文仅写方法&#xff0c;原理不多讲解&#xff0c;需要可跳…

【C语言】_指针与数组

目录 1. 数组名的含义 1.1 数组名与数组首元素的地址的联系 1.3 数组名与首元素地址相异的情况 2. 使用指针访问数组 3. 一维数组传参的本质 3.1 代码示例1&#xff1a;函数体内计算sz&#xff08;sz不作实参传递&#xff09; 3.2 代码示例2&#xff1a;sz作为实参传递 3…

解决“KEIL5软件模拟仿真无法打印浮点数”之问题

在没有外部硬件支持时&#xff0c;我们会使用KEIL5软件模拟仿真&#xff0c;这是是仿真必须要掌握的技巧。 1、点击“Project”&#xff0c;然后点击“Options for target 项目名字”&#xff0c;点击“Device”,选择CPU型号。 2、点击“OK” 3、点击“Target”,勾选“Use Mi…

donet (MVC)webAPI 的接受json 的操作

直接用对象来进行接收&#xff0c;这个方法还不错的。 public class BangdingWeiguiJiluController : ApiController{/// <summary>/// Json数据录入错误信息/// </summary>/// <param name"WeiguiInfos"></param>/// <returns></r…

设计模式与游戏完美开发(3)

更多内容可以浏览本人博客&#xff1a;https://azureblog.cn/ &#x1f60a; 该文章主体内容来自《设计模式与游戏完美开发》—蔡升达 第二篇 基础系统 第五章 获取游戏服务的唯一对象——单例模式&#xff08;Singleton&#xff09; 游戏实现中的唯一对象 在游戏开发过程中…

pygame飞机大战

飞机大战 1.main类2.配置类3.游戏主类4.游戏资源类5.资源下载6.游戏效果 1.main类 启动游戏。 from MainWindow import MainWindow if __name__ __main__:appMainWindow()app.run()2.配置类 该类主要存放游戏的各种设置参数。 #窗口尺寸 #窗口尺寸 import random import p…

如何让用户在网页中填写PDF表格?

在网页中让用户直接填写PDF表格&#xff0c;可以大大简化填写、打印、扫描和提交表单的流程。通过使用复选框、按钮和列表等交互元素&#xff0c;PDF表格不仅让填写过程更高效&#xff0c;还能方便地在电脑或移动设备上访问和提交数据。 以下是在浏览器中显示可填写PDF表单的四…