百度ai认证样题解析

考试样题  http://bit.baidu.com/news/detail/id/82.html

一、单选题

       1. 下列关于微分求导的表达式错误的是？

    A．tanh函数y = tanh(x)的微分为 y' = 1- y^2

    B．sigmoid函数y = 1/(1+exp(-x))的微分为 y' = -y(1-y)

    C．RELU函数y = max(x,0)的微分为 y = 0 if x<0;1 if x>=0

    D．Leaky RELU函数 y = max(ax,x)的微分为 y' = a if x<0;1 if x>=0

    参考答案：B

 sigmoid导数是正数， -y(1-y)， 是负数

      2.  输入为32x32x3，卷积核大小为5x5，总共有10个卷积核，做卷积的时候stride=1，pad=2，那么这一层总共含有多少参数？

   A．576       B．760       C．640        D．36864

   参考答案：B

   3x5x5x10+10  每个卷积核对于每个输入通道的参数是不一样的；最后要加上偏置，每个卷积核一个

      3. 请问下列关于支持向量机SVM算法的描述错误的是？

   A．SVM可以解决非线性问题

   B．SVM对缺失数据不敏感，适合处理空值较多的情况

   C．SVM可以解决小样本情况下的机器学习问题

   D．SVM可以提高模型的泛化性能

   参考答案：B

svm主要是对支撑向量对应样本分类，与其它样本没有关系，泛化性能好

svm对于缺失数据也不行

      4. 在词向量训练中，针对embedding层说法错误的是？

   A．PaddlePaddle中，embedding层支持分布式存储

   B．embedding层其实是一个lookup操作，查找对应ID得到embedding向量

   C．embedding在训练过程中不会被更新

   D．PaddlePaddle中embedding层支持不同精确读的数据类型，如float16，float32

   参考答案：C

embedding,是学习到的特征，学习过程中要更新的。

二、多选题

      1. 当我们在回归分类模型中遇到过拟合时，以下哪些方法可以用于优化？（正确选项数量为2个）

   A．减少正则化参数

   B．尝试非线性模型

   C．增大用于训练的数据量

   D．Bagging

   参考答案：CD

A,减少参数会更过拟合的。

B,没有明白，感觉回归分类模型里面就有非线性模型。

c肯定可以，

d 什么是bagging:对于训练集，又放回的抽样，形成k个数据集，分别训练出7个模型，最终结果由这7个模型产生。