华为学习课程错题集

Wsyoneself

已于 2023-10-15 22:20:16 修改

阅读量2k

点赞数 2

分类专栏：经验文章标签：深度学习人工智能计算机视觉

于 2022-10-26 16:11:56 首次发布

本文链接：https://blog.csdn.net/weixin_45647721/article/details/127534157

版权

经验专栏收录该内容

24 篇文章 1 订阅

订阅专栏

人工智能导论：
1. 静态图模式的劣势：debug
2. 数据准备最能体现项目之间的不同
3. AI开发的基本流程：确定目的，准备数据，训练模型，评估模型，部署模型
4. 构建深度学习模型的基本步骤包括：模型应用，构建神经网络，训练模型，数据读取与预处理
5. 动态图的特点：单算子执行，灵活开发调试
智能芯片原理与应用
1. 昇腾310 AI处理器：有2个davinci AI core；最大功耗8W；
2. AI core 不包含张量计算单元
3. AI GPU不属于CANN算子的开发方式
4. TBE算子运行在昇腾AI处理器的AI core上，鉴于AI core 的强大算力，主要负责执行矩阵、向量、标量的计算密集型算子。
5. 昇腾产品MindStudio集成了UT测试框架，支持算子功能仿真验证。
6. 算子编译不是TBE算子和AI CPU算子共有的组成部分
7. AI CPU算子的开发步骤：算子代码实现，ST测试，算子适配
8. AI core的控制单元：系统控制模块，指令发射模块，矩阵运算队列，向量运算队列，存储转换队列
9. AI core 包含的单元：计算单元，存储单元，控制单元
10. 通过TBE进行算子开发的方式：TIK，DSL
11. 昇腾910 AI 处理器有EP和RC两种模型（×）只有EP模式
计算机视觉：
1. mindspore中用户想获取到训练过程相关参数需要使用函数callback
2. mindspore.dataset动态shape功能是通过batch算子实现的。
3. mindspore.dataset用户定义数据增强算子：处理指定列，输入输出为numpy
4. 相比于Adam或RMSprop等优化器，SGD的收敛效果是最好的
5. 使用BN可有效防止梯度爆炸
6. 单阶段目标检测算法模型：SSD,YOLO,retinanet
7. 语义分割模型：FCN，PSPNet,SegNet，Unet
8. NMS是一种后处理方式，与算法无关，且应用在所有物体检测的方法里
9. 神经网络是判别模型
10. 每个卷积神经网络都应该包括：输入层，卷积层，激活层，池化层，全连接层，输出层
机器学习&模式识别：
1. 准确率，精确率，召回率：
  1. 准确率（Accuracy）:对于给定的测试数据集，分类器正确分类的样本数与总样本数之比。
  2. 精确率（precision）:预测为正的样本中有多少是真正的正样本，它是针对我们预测结果而言的。Precision又称为查准率。
  3. 召回率（recall）:样本中的正例有多少被预测正确了，它是针对我们原来的样本而言的。Recall又称为查全率。
2. 用混淆矩阵算法召回率：
  1. 混淆矩阵：
  2. 计算召回率：TP/(TP+FN)（如果实在记不清楚，先画出混淆矩阵）
3. mindspore 中单步调试模型应采用pynative mode运行模型
4. 自动编码不是mindspore编程框架的特性
5. LASSO regression，ridge regression：
  1. LASSO 回归是在传统线性回归的基础上加了L1正则化的惩罚项
  2. 岭回归：是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。更多细节可查看百度百科
6. 朴素贝叶斯为生成式模型：生成式和判别式如何区分？可参考：生成式模型和判别式模型的区别 - 知乎 (zhihu.com)
深度学习：
1. mindspore 在提升计算性能方面采取的策略：on-device执行；pipeline并行；算子融合
2. Atlas 200DK 可以通过网线和USB接口与PC连接
3. 1X1卷积核的作用：实现多个特征图的线性组合；减少训练参数；增加非线性；改变通道数，升维和降维
4. sigmoid的特点：单调连续，求导容易；对中央区域的信号增益较大，对两侧区的信号增益小；网络非常深时，易梯度消失；输出有界，网络容易收敛。
人工智能程序设计：
1. MindX SDK 业务流实例中实际最小组成单位是element
2. mindspore 高效执行的关键技术包括：pipeline并行，深度图优化，on-device 执行
语音识别：
1. 贯穿语音分析全过程的一项技术：短时语音分析。
2. 一段连续语音通过加窗的方式，可以切分为语音帧。通常语音加窗的窗口长度取值为：10-30ms 。为啥？
3. 使用MindX SDK 进行业务流编排时，queue可以提高插件之间数据并发的效率
4. 人类发音过程有三类不同的激励方式，分别能产生三类不同的声音，即浊音、爆破音、元音。
5. 语音信号处理研究的主要内容：语音合成、语音通信、语音识别和理解
6. 语音信号的时域波形具有的特点：短时周期性，时变特性，噪声特性，波形包络为衰减的正弦震荡
7. MindX SDK插件中，属于媒体数据处理插件的有：mxpi_warpperspective，mxpi_imagecrop，mxip_imagenormalize
8. 用于插件之间传递数据的数据结构：mxpibuffer,mxpimetadata
9. 使用MindX SDK开发AI应用时，支持的编程语言：c++,python
10. 语音信号在3.4kHZ以下的低频段频谱对于语音的可懂度影响很大，所以窄带语音通信（如电话质量的语音通信）采用的采样率一般是8Khz或10khz
自然语言处理：
1. bert 中的 b表示bidireational 双向
2. 可用于自然语言序列标注任务的模型有：HMM，CRF，RNN
智能系统与应用：
1. 昇腾AI处理器的计算核心主要由AI core构成，AI core采用了达芬奇架构，从控制上可以看成一个相对简化的现代微处理器的基本架构。AI core中不包含转换单元。
2. Atlas 200 DK 开发者套件：
  1. 对外提供一个type c接口类型USB接口，只能作为device模式使用，主要用来对接调试主机做加载调试用
  2. 电源输入电压为8v
3. 模型推理的步骤：生成模型om文件，模型加载，数据预处理，模型推理，数据后处理，模型卸载
汇编与接口技术：
1. Aarch64的指令指令编码宽度固定为64bit(×）
2. 华为鲲鹏920处理器的自研核4个L1cache 共享一个L2 cache(×）
3. 华为鲲鹏920处理器只支持A64指令集，不支持A32指令集（√）
4. 华为鲲鹏920处理器兼容ARMV8的同时也兼容X86的avx指令（×）
5. arm8支持全新设计的协处理器，功能和性能都得到了极大的增强（×）
高性能计算：HPC集群价格适中，适合大批量部署（×）
数据库：
1. opengauss采用“单进程多线程”的架构模型（√）
2. sql关键字unique表示返回唯一不同的记录
操作系统：
1. 网络抓包工具：tcpdump
2. 改变文件所有者的命令为：Chown命令
3. 鲲鹏处理器除了CPU外还集成了：网卡，SAS控制器，南桥
4. openeuler是一个商用操作系统（×）
5. NUMA架构下CPU访问不同的内存节点延迟不同
程序设计：
1. 十进制的2000转为16进制：7D0
2. 多总线结构的计算机系统，采用什么方法对提高系统的吞吐率最有效：多端口存储器
3. ARMv8 支持的浮点型数据类型遵循IEE 754标准
4. 鲲鹏指令集和X86指令集关于JIT
5. arm的主流cpu都是哈弗结构
6. 鲲鹏920芯片支持armv8，所以unsigned long 和unsigned int都是64bits(×)
7. x86 平台上的c/c++ 程序可以直接链接到鲲鹏架构上的动态so库（×）
8. 鲲鹏平台上的c/c++源码编译成的二进制机器码，可以直接在x86平台上运行（×）
9. c/c++语言的char数据类型在鲲鹏平台上默认为无符号类型，在x86平台上默认为有符号类型