Pytorch深度学习

一、单选题（共20题；共100.0分）

1.pytorch的前身是（ ）

（5.0分）A.Python

B.lua

C.torch

D.numpy

5.0 分

2.在选择神经网络的深度时，下面哪些参数需要考虑？
1 神经网络的类型(如MLP,CNN)
2 输入数据
3 计算能力(硬件和软件能力决定)
4 学习速率
5 映射的输出函数

（5.0分）A.1,2,4,5

B.2,3,4,5

C.都需要考虑

D.1,3,4,5

5.0 分

3.当在卷积神经网络中加入池化层(pooling layer)时，变换的不变性会被保留，是吗？

（5.0分）A.不知道

B.看情况

C.是

D.否

5.0 分

4.如果我们用了一个过大的学习速率会发生什么？

（5.0分）A.神经网络会收敛

B.不好说

C.都不对

D.神经网络不会收敛

5.0 分

5.关于pytorch 库说法错误的是（ ）

（5.0分）A.torch: 包含所有torch包和tensor库的顶级包

B.troch.nn: 是用于建立神经网络的包，它包含类和模块，如layer,weight和forward function

C.torch.autograd: 支持张量的导数运算，负责优化神经网络

D.torch.nn.function: 包含数据集和数据加载器的实用程序类

5.0 分

6.t = torch.Tensor([[1,2,3],[4,5,6],[7,8,9]])，t的秩(阶)Rank是多少（ ）

（5.0分）A.1

B.2

C.3

D.4

5.0 分

7.t = torch.tensor([[1,2,3],[4,5,6],[7,8,9]])，t的形状是（ ）

（5.0分）A.[2, 3]

B.[3, 3]

C.[1, 9]

D.[9, 1]

5.0 分

8.CNN输入张量的通常是（ ）

（5.0分）A.[color_channel, height, width]

B.[batchsize, height, width]

C.[height, width]

D.[batchsize, color_channel, height, width]

5.0 分

9.创建pytorch张量的方法，共享数据的是（ ）

（5.0分）A.torch.as_tensor()

B.torch.tensor()

C.torch.Tensor()

D.torch. numpy()

5.0 分

10.t = torch.tensor([[1,1,1,1],[2,2,2,2],[3,3,3,3]], dtype=torch.float32)
t.numel()的输出结果是（ ）

（5.0分）A.3

B.4

C.9

D.12

5.0 分

11.

t1 = torch.tensor([[1,2],[3,4]], dtype=torch.float32)
t2 = torch.tensor([[9,8],[7,6]], dtype=torch.float32)
t1 + t2的结果是（ ）

（5.0分）A.tensor([[10, 10],[10, 10]])

B.tensor([[2, 4],[6, 8]])

C.tensor([[32, 33],[34, 35]])

D.tensor([[20, 20],[20,20]])

5.0 分

12.t = torch.tensor([[1,1,1,1],[2,2,2,2],[3,3,3,3]], dtype=torch.float32)
t.sum(dim=0) 结果是（ ）

（5.0分）A.tensor([2, 2, 2, 2])

B.tensor([3, 3, 3, 3])

C.tensor([5, 5, 5, 5])

D.tensor([6, 6, 6, 6])

5.0 分

13.self.conv1 = nn.Conv2d(in_channels=1, out_channels=6, kernel_size=5)
设置滤波器的大小为（ ）

（5.0分）A.1*1

B.6*6

C.5*5

D.30*30

5.0 分

14.假设你有5个大小为7x7、边界值为0的卷积核，同时卷积神经网络第一层的深度为1。此时如果你向这一层传入一个维度为224x224x3的数据，那么神经网络下一层所接收到的数据维度是多少？

（5.0分）A.218x218x5

B.217x217x8

C.217x217x3

D.220x220x5

5.0 分

15.提升卷积核(convolutional kernel)的大小会显著提升卷积神经网络的性能，这种说法是

（5.0分）A.

正确的

B.错误的

5.0 分

16.下列哪一项属于特征学习算法（representation learning algorithm）？

（5.0分）A.K近邻算法

B.随机森林

C.神经网络

D.都不属于

5.0 分

17.深度学习与机器学习算法之间的区别在于，后者过程中无需进行特征提取工作，也就是说，我们建议在进行深度学习过程之前要首先完成特征提取的工作。这种说法是：

（5.0分）A.正确的

B.错误的

5.0 分

18.在训练神经网络时，损失函数(loss)在最初的几个epochs时没有下降，可能的原因是？

（5.0分）A.学习率(learning rate)太低

B.正则参数太高

C.陷入局部最小值

D.以上都有可能

5.0 分

19.下列哪个函数不可以做激活函数？

（5.0分）A.y = tanh(x)

B.y = sin(x)

C.y = max(x,0)

D.y = 2x

5.0 分

20.下列哪个神经网络结构不会发生权重共享？

（5.0分）A.卷积神经网络

B.循环神经网络

C.全连接神经网络

一、单选题（共20题；共100.0分）

1.关于 Python 程序格式框架的描述，以下选项中错误的是（ ）

（5.0分）

Python 语言不采用严格的“缩进”来表明程序的格式框架

Python 语言的缩进可以采用 Tab 键实现

Python 单层缩进代码属于之前最邻近的一行非缩进代码，多层缩进代码根据缩进关系决定所属范围

判断、循环、函数等语法形式能够通过缩进包含一批 Python 代码，进而表达对应的语义

2关于 Python 组合数据类型，以下选项中描述错误的是（ ）

（5.0分）

Python 的 str、tuple 和 list 类型都属于序列类型

组合数据类型可以分为 3 类：序列类型、集合类型和映射类型

Python 组合数据类型能够将多个同类型或不同类型的数据组织起来，通过单一的表示使数据操作更有序、更容易

序列类型是二维元素向量，元素之间存在先后关系，通过序号访问

3.关于Python的lambda函数，以下选项中描述错误的是 （ ）

（5.0分）

lambda函数将函数名作为函数结果返回

lambda用于定义简单的、能够在一行内表示的函数

f = lambda x,y:x+y 执行后，f的类型为数字类型

可以使用lambda函数定义列表的排序原则

4.下面代码的执行结果是：（ ）
d = {}
for i in range(26):
d[chr(i+ord("a"))] = chr((i+13) % 26 + ord("a"))
for c in "Python":
print(d.get(c, c), end="")

（5.0分）

Plguba

Python

Cabugl

Pabugl

5.给出如下代码,可以输出“python”的是 （ ）
s = 'Python is beautiful!'

（5.0分）

s  字符串

print(s[:–14])

print(s[0:6])

print(s[0:6].lower())

print(s[–21: –14].lower)

6.关于Python注释，以下选项中描述错误的是 （ ）

（5.0分）

Python注释语句不被解释器过滤掉，也不被执行

注释可用于标明作者和版权信息

注释可以辅助程序调试

注释用于解释代码原理或者用途

7.给出如下代码，下述代码的输出结果是 ( )
s = "Alice"
print(s[::–1])

（5.0分）

ALICE

Alic

ecilA

Alice

8下面代码的输出结果是 （ ）
s = "The python language is a cross platform language."
print(s.find('language',30))

（5.0分）

11

10

40

系统报错

9.下面代码的输出结果是 （ ）
a = [5,1,3,4]
print(sorted(a,reverse = True))
A:
B:
C:
D:

（5.0分）

[1, 3, 4, 5]

[5, 4, 3, 1]

[5, 1, 3, 4]

[4, 3, 1, 5]

10.关于形参和实参的描述，以下选项中正确的是（ ）

（5.0分）

函数定义中参数列表里面的参数是实际参数，简称实参

程序在调用时，将形参复制给函数的实参

参数列表中给出要传入函数内部的参数，这类参数称为形式参数，简称形参

函数调用时，实参默认采用按照位置顺序的方式传递给函数，Python也提供了按照形参名称输入实参的方式

11.神经网络模型（Neural Network）因受人类大脑的启发而得名
神经网络由许多神经元（Neuron）组成，每个神经元接受一个输入，对输入进行处理后给出一个输出，如下图所示。请问下列关于神经元的描述中，哪一项是正确的？（ ）

（5.0分）

每个神经元可以有多个输入和多个输出

上述都正确

每个神经元可以有一个输入和多个输出

每个神经元可以有一个输入和一个输出

每个神经元可以有多个输入和一个输出

12.梯度下降算法的正确步骤是什么？（ ）
a.计算预测值和真实值之间的误差
b.重复迭代，直至得到网络权重的最佳值
c.把输入传入网络，得到输出值
d.用随机值初始化权重和偏差
e.对每一个产生误差的神经元，调整相应的（权重）值以减小误差

（5.0分）

abcde

cbae

edcba

dcaeb

13.在选择神经网络的深度时，下面哪些参数需要考虑？（ ）
1 神经网络的类型(如MLP,CNN)
2 输入数据
3 计算能力(硬件和软件能力决定)
4 学习速率
5 映射的输出函数

（5.0分）

1,2,4

都需要考虑

2,3,4,5

1,3,4,5

14.当在卷积神经网络中加入池化层(pooling layer)时，变换的不变性会被保留，是吗？（ ）

（5.0

不知道

是

看情

否

15.输入图片大小为200×200，依次经过一层卷积（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一层卷积（kernel size 3×3，padding 1，stride 1）之后，输出特征图大小为（ ）

（5.0分）

95

97

96

98

16在一个神经网络中，知道每一个神经元的权重和偏差是最重要的一步。如果知道了神经元准确的权重和偏差，便可以近似任何函数，但怎么获知每个神经的权重和偏移呢？（ ）

（5.0分）

搜索每个可能的权重和偏差组合，直到得到最佳

随机赋值，听天由命

赋予一个初始值，然后检查跟最佳值的差值，不断迭代调整权重

以上都不正确的

17.如果我们用了一个过大的学习速率会发生什么？（ ）

（5.0分）

神经网络会收敛

都不对

不好说

神经网络不会收敛

18.下列哪个神经网络结构会发生权重共享？（ ）

（5.0分）

卷积神经网络

全连接神经网络

循环神经网络

选项A和B

19.深度学习与机器学习算法之间的区别在于，后者过程中无需进行特征提取工作，也就是说，我们建议在进行深度学习过程之前要首先完成特征提取的工作。这种说法是：（ ）

（5.0分）

正确的

错误的

20.提升卷积核(convolutional kernel)的大小会显著提升卷积神经网络的性能，这种说法是（ ）

（5.0分）

正确的

错误的