广西科技大学
- 目前常见的深度学习框架有哪些( )
- 基础的卷积神经网络由( )组成?
- Pytorch的优点有哪些( )
- K-means是一种迭代算法.在其内部循环中重复执行以下两个步骤。哪两个?( )
- GRU模型中具有的两个门结构为( )。
- 人工智能的名词第一次提出是在达特茅斯会议上( )
- 人工智能从提出到现在一直都很受重视.发展十分顺利( )
- 有一组数据量大于50 的无标签数据.需要使用scikit-learn进行分类.请问应该选择什么样的模型?( )
- 以下opencv中的函数中,没有返回值的函数是( )
- 验证集的作用?( )
- 下面关于池化的描述中,错误的是( )
- 一下关于opencv-python和opencv-contrib-python模型的说法对的是( )
- 调用scikit-learn 线性回归模型常用的方法?( )
- 一个计算机程序从经验E中学习任务T.并用P来衡量表现。并且.T的表现P随着经验E的增加而提高。假设我们给一个学习算法输入了很多历史天气的数据.让它学会预测天气。什么是P的合理选择?( )
- 以下参数中,哪个参数不属于卷积神经网络中的超级参数( )
- 以下哪项是分类模型的评估指标?( )
- 下列有关LSTM模型的叙述对的是( )
- 在卷积神经网络中.若输入图像的尺寸为224*224*3.卷积核的尺寸为5*5*3.卷积步长为4.padding为0.则输入图像与该卷积核卷积之后得到的特征图的尺寸为.( )
- 下列有关核函数不对的是. ( )
- 在定义网络的时候.可以采用以下哪个模块来定义创建数据( )
- Cv2.CascadeClassifier()中.表示在前后两次相继扫描中.搜索窗口的比例系数的参数是( )
- Tensorflow在使用变量之前.必须保证所有的变量都完成了( )。
- 在LSTM中,隐藏状态的值中包含了先前输入的相关信息,决定下一个隐藏状态的值的门结构为( )
- OpenCV中对RGB图像数据的存储顺序是( )
- 以下哪个激活函数能使得网络变得更加稀疏( )
- 人工智能的含义最早由一位科学家于1950年提出.并且同时提出一个机器智能的测试模型.请问这个科学家是( )
- 卷积神经网络最主要的两个特征是( )
- 在卷积神经网络中,若输入图像的尺寸为224*224*3,卷积核的尺寸为5*5*3,卷积步长为4,padding为0,则输入图像与10个该类型的卷积核卷积之后得到的特征图的尺寸为:( )
- TensorFlow在定义变量时采用的方法为( )
- 假设你在做股市预测。你想预测某家公司是否会在未来7天内宣布破产(通过对之前面临破产风险的类似公司的数据进行训练)。你会把这当作一个分类问题还是一个回归问题?( )
- 调用scikit-learn 支持向量机(SVM)模型时.如何减小模型过拟合?( )
- 以下关于TensorFlow的叙述对的是( )
- AdamOptimizer在tensorflow中的作用是( )
- 神经网络中的最基本单元是( )
- scikit-learn中用于模型评估的模块是?( )
- 在卷积神经网络中,若对尺寸为39*39*10的特征图进行卷积,则可以选择以下哪种尺寸作为卷积核的尺寸为:( )
- 在LSTM中,用于更新单元状态的门结构是( )
- 以下哪项不是回归模型的评估指标?( )
- 可以利用以下哪个来进行OpenCV的安装( )
- 计算机视觉领域内最常用的深度学习技术为( )
- 关于以下代码的说法正确的是()import tensorflow as tfimport sys print(tf.__version__)print(sys.version)
- 关于欠拟合(under-fitting).下面哪个说法是对的?( )
- 以下哪种门结构是GRU中所具备的( )
- 在模型训练的时候为什么要将数据集拆分成训练集和测试集?( )
- 以下关于人工智能叙述对的是( )
- 聚类模型的评估指标有( )
- 在下列哪个应用领域中最常用到OpenCV库( )
A:Keras
B:TenorFlow
C:Mxnet
D:Caffe
E:Pytorch
F:Theano
答案:Mxnet###Caffe###Pytorch###Theano
A:卷积
B:编辑
C:池化
D:全连接
答案:A: 卷积 C: 池化 D: 全连接
A:简介高效.入门较易
B:提供了python接口.可以直接调用
C:具有强大的社区
D:更加灵活,支持动态
答案:更加灵活,支持动态###提供了python接口.可以直接调用###简介高效.入门较易###具有强大的社区
A:簇中心分配步骤.其中每个簇质心μi被分配(通过设置c(i))到最近的训练示例x(i)。
B:移动簇中心μk.将其设置为等于最近的训练示例c(i)
C:移动簇中心.更新簇中心μk。
D:分配簇.其中参数c(i)被更新。
答案:分配簇.其中参数c(i)被更新。###移动簇中心.更新簇中心μk。
A:重置门
B:更新门
C:输入门
D:遗忘门
答案:更新门###重置门
A:错 B:对
答案:对
A:错 B:对
答案:错
A:聚类模型
D 降维
B:回归模型
C:分类模型
答案:聚类模型D 降维
A:imwrite()函数
B:imread()函数
C:其余均没有
D:imshow()函数
答案:imshow()函数
A:和训练集一样.训练模型参数
B:便于手动调参找到最好的一组超参数
C:和测试集一样.测试模型效果
A:在人脸识别中采用池化的原因是为了获得人脸部的高层特征
B:池化方法可以自定义
C:池化常见的方法包括最大池化、最小池化、平均池化、全局池化
D:池化在CNN中可以减少计算量,加快模型训练
A:opencv-contrib-python模块是opencv-python模块的扩展模块
B:opencv-python模块是opencv-contrib-python模块的子模块
C:opencv-python模块是免费版的opencv-contrib-python模块
D:两者完全相同.没有什么区别
A:linear_model.LinearRegression()
B:linear_model.Lasso()
C:linear_model.LogisticRegression()
A:计算大量历史气象数据的过程
B:天气预报任务
C:对预测未来日期天气的概率
D:都不是
A:卷积步长
B:卷积填充单元
C:卷积核内的权重参数
D:卷积核的高
A:完整性
B:最大误差
C:f_1度量
A:LSTM是双向的RNN
B:LSTM是简化版的RNN
C:LSTM是RNN的扩展.其通过特殊的结构设计来避免长期依赖问题
D:LSTM是多层的RNN
A:54*54*3
B:44*44*1
C:53*53*3
D:54*54*1
A:满足Mercer条件的函数不一定能作为支持向量机的核函数
B:函数与非线性映射并是一一对应的关系
C:极大地提高了学习机器的非线性处理能力
A:numpy模块
B:OS模块
C:matplotlib模块
D:time模块
A:scaleFactor
B:object C:flags D:minNeighbors
A:求和操作
B:赋值操作
C:初始化操作
D:归零操作
A:输入门
B:输出门
C:更新门
D:遗忘门
A:RGB B:BGR C:GRB
D:RBG
A:ReLu()函数
B:其余都可以
C:Sigmoid()函数
D:Tanh()函数
A:冯诺依曼
B:明斯基
C:扎德
D:图灵
A:特征共享和激活函数
B:局部连接和特征共享
C:局部连接和权值共享
D:激活函数和全连接
A:53*53*10
B:54*54*3
C:54*54*1
D:54*54*10
A:const
B:placeholder
C:session
D:variable
A:回归
B:分类
A:增大内核系数gamma
B:减小惩罚系数C
C:增加惩罚系数C
A:TensorFlow中的计算图是C语言编写的.因此运行速度较快
B:TensorFlow不支持多GPU运算
C:TensorFlow具有强大且活跃的社区.在使用的过程中遇到困难时.查找相应的资料更加方便。
D:TensorFlow是由百度公司开发和维护的
A:优化损失loss
B:读取文件
C:输出文件
D:调用其他函数
A:服务器
B:神经元
C:局域网
D:ip地址
A:sklearn.Regression
B:sklearn.Classification
C:sklearn.model_selection
D:sklearn.Preprocessing
A:5*5*10
B:5*5*3
C:5*5*1
D:5*5*39
A:遗忘门
B:其余都是
C:输入门
D:更新门
A:最大误差
B:均方误差
C:精度
A:pip isntall opencv-python
B:pip installs opencv-python
C:pips install opencv-python
D:pip install opencv-python
A:循环神经网络
B:卷积神经网络
C:Elman神经网络
D:BP神经网络
A:print(sys.version)的打印结果为系统安装的TensorFlow的版本号
A:训练误差较大.测试误差较大
B:训练误差较小.测试误差较大
C:训练误差较大.测试误差较小
A:更新门
B:输入门
C:遗忘门
D:输出门
A:测试集与训练集数据不能有重复.防止过拟合
B:数据集太多.训练模型用不了这么多数据
C:需要划分测试集数据用来调参
A:未来人工智能必将全面超越人类
B:人工智能必将补充和增强人类的能力
C:未来所有的工作岗位必将被机器取代
D:人工智能主要由专业的科技人员所用
A:精度
B:轮廓系数
C:f_1度量
A:知识图谱
B:语音识别 C:自然语言处理 D:计算机视觉
温馨提示支付 ¥5.00 元后可查看付费内容,请先翻页预览!