AI新技術(shù)知到智慧樹期末考試答案題庫2025年長春職業(yè)技術(shù)學(xué)院非運(yùn)算是取反操作，屬于單目運(yùn)算符，僅需一個(gè)數(shù)字參與運(yùn)算就可得出結(jié)果。（）

答案:對通常用一個(gè)（）來表示一幅RGB色彩空間的彩色圖像（）。

答案:三維數(shù)組負(fù)責(zé)判斷輸入的數(shù)據(jù)是真實(shí)的還是生成的需要用到生成網(wǎng)絡(luò)。（）

答案:錯(cuò)語料庫不包括下面那個(gè)種類（）。

答案:跨越語料庫詞性標(biāo)注面臨哪些難點(diǎn)和挑戰(zhàn)（）。

答案:歧義消解；新詞識別；上下文依賴；語法結(jié)構(gòu)復(fù)雜性詞云的本質(zhì)是制作圖片、樣式化的文本表示，使用了點(diǎn)圖的思想。（）

答案:對訓(xùn)練數(shù)據(jù)集用于訓(xùn)練模型、驗(yàn)證數(shù)據(jù)集用于調(diào)整模型超參數(shù)。（）

答案:對計(jì)算機(jī)視覺是利用（）為人工智能系統(tǒng)安上“眼睛”，讓其可以擁有人類的雙眼所具有的前景與背景分割、物體識別、目標(biāo)跟蹤、判斷決策等功能（）。

答案:攝像機(jī)；算法；計(jì)算資源計(jì)算機(jī)視覺就是使用光學(xué)非接觸式感應(yīng)設(shè)備自動(dòng)接收并解釋真實(shí)場景的（）以獲得信息控制機(jī)器或流程（）。

答案:圖像獲取Series類對象數(shù)據(jù)的參數(shù)為（）。

答案:values若要獲取坐標(biāo)上像素的G通道的值，只需將最后一個(gè)數(shù)值設(shè)置為（）。

答案:1自動(dòng)微分里的gradient（）函數(shù)主要有那幾個(gè)參數(shù)（）。

答案:目標(biāo)；來源線性模型的核心是線性方程。（）

答案:對答案生成是智能問答系統(tǒng)中的一個(gè)關(guān)鍵步驟，它涉及將從知識庫或文本數(shù)據(jù)中檢索到的信息轉(zhuǎn)化成自然語言形式，以向用戶提供清晰、準(zhǔn)確的回答。（）

答案:對神經(jīng)網(wǎng)絡(luò)的三層結(jié)構(gòu)分別為輸入層、全連接層、輸出層。（）

答案:對研究人工智能的目的是讓機(jī)械（）。

答案:模擬、延伸和擴(kuò)展人的智能目標(biāo)檢測的任務(wù)是找出圖像中所有感興趣的目標(biāo)，并確定它們的位置和類別。（）

答案:對生成對抗神經(jīng)網(wǎng)絡(luò)主要用到那幾個(gè)網(wǎng)絡(luò)（）。

答案:生成器網(wǎng)絡(luò)；判別器網(wǎng)絡(luò)生成對抗神經(jīng)網(wǎng)絡(luò)不能用來進(jìn)行圖像的修復(fù)。（）

答案:錯(cuò)正則表達(dá)式如何實(shí)現(xiàn)信息的抽?。ǎ?。

答案:搜索匹配特定模式的語句有關(guān)張量的相關(guān)函數(shù)中正確的是（）。

答案:tf.to_int64（x，name='ToInt64'）顯示圖像的窗口名稱不能使用中文，否則會(huì)出現(xiàn)亂碼。（）

答案:對文本分類任務(wù)是根據(jù)給定文檔的內(nèi)容或主題，自動(dòng)分配預(yù)先定義的類別標(biāo)簽。（）

答案:對數(shù)據(jù)集是指從不同來源收集到的數(shù)據(jù)的集合。（）

答案:對數(shù)據(jù)清洗不包括數(shù)據(jù)可視化。（）

答案:錯(cuò)掩模又被稱為掩碼，英文為mask，在程序中用（）來表示（）。

答案:二值圖像按位與運(yùn)算是指將數(shù)值轉(zhuǎn)換為二進(jìn)制值后，在對應(yīng)的位置上進(jìn)行與運(yùn)算。如果同一位的數(shù)字都是1，則運(yùn)算結(jié)果的相同位數(shù)字取0，否則取1。（）

答案:錯(cuò)截?cái)嚅撝堤幚頃?huì)將圖像中大于閾值的像素點(diǎn)的值設(shè)定為（）。

答案:閾值情感詞典復(fù)雜，并不適用于一些特定領(lǐng)域或語境，且需要大量標(biāo)注好的訓(xùn)練數(shù)據(jù)。（）

答案:錯(cuò)情感分類是二分類問題。（）

答案:錯(cuò)循環(huán)神經(jīng)網(wǎng)絡(luò)常用于圖像處理領(lǐng)域，如圖像分類、圖像轉(zhuǎn)換、圖像識別等，也被用于各類時(shí)間序列預(yù)報(bào)。（）

答案:錯(cuò)彩色圖像的第（）個(gè)索引表示就是藍(lán)、綠、紅3種顏色的分量（）。

答案:3當(dāng)繪制多條曲線時(shí)，各條曲線的x數(shù)據(jù)可以省略。（）

答案:錯(cuò)當(dāng)用戶觸發(fā)鼠標(biāo)事件時(shí)，我們希望對該事件做出響應(yīng)。通常的做法是，創(chuàng)建一個(gè)響應(yīng)函數(shù)，將要實(shí)現(xiàn)的操作寫在該響應(yīng)函數(shù)內(nèi)。（）

答案:對張量的數(shù)學(xué)運(yùn)算符可以分為矢量運(yùn)算符、數(shù)組運(yùn)算符、以及矩陣運(yùn)算符。（）

答案:錯(cuò)常見的數(shù)字圖像處理方法有（）。

答案:圖像變換；圖像增強(qiáng)和復(fù)原；圖像分割；圖像的識別與檢測將圖像保存至指定路徑的正確方式為（）。

答案::/在問答系統(tǒng)中，注意力機(jī)制有助于模型更好地理解問題和上下文，提高對問題關(guān)鍵部分的關(guān)注程度，從而更準(zhǔn)確地回答問題。（）

答案:對在進(jìn)行識別運(yùn)算之前，應(yīng)先將圖像轉(zhuǎn)為灰度圖像，再進(jìn)行二值化處理，這樣就得到了算法所需要的物體的大致輪廓。（）

答案:對在神經(jīng)網(wǎng)絡(luò)的線性模型訓(xùn)練中，損失函數(shù)的作用是（）。

答案:評估模型的性能在神經(jīng)網(wǎng)絡(luò)模型編譯中，以下哪些是常用的優(yōu)化器（）？

答案:SGD；Adam；Adagrad在模型訓(xùn)練參數(shù)中，以下哪些是常用的損失函數(shù)（）？

答案:均方誤差（MSE）；交叉熵?fù)p失函數(shù)；對數(shù)損失函數(shù)在模型訓(xùn)練中，哪個(gè)步驟通常是在訓(xùn)練數(shù)據(jù)集上進(jìn)行的（）。

答案:損失函數(shù)優(yōu)化在機(jī)器學(xué)習(xí)中，數(shù)據(jù)集通常被分為訓(xùn)練集、驗(yàn)證集和測試集三部分。（）

答案:對在機(jī)器學(xué)習(xí)中，數(shù)據(jù)集被分為哪幾種類型？（）。

答案:3種在利用shape屬性獲取圖像大小時(shí)，若圖像為灰度圖像或二值圖像，則返回包含行數(shù)、列數(shù)和通道數(shù)的數(shù)組。（）

答案:錯(cuò)在使用warpAffine()函數(shù)對圖像進(jìn)行旋轉(zhuǎn)時(shí)，可以通過（）函數(shù)獲取變換矩陣M（）。

答案:getRotationMatrix2D()在OpenCV中可以使用（）函數(shù)來實(shí)現(xiàn)按位或運(yùn)算（）。

答案:bitwise_or()在OpenCV中，通道的順序是B-G-R。（）

答案:對在OpenCV中，通過在函數(shù)threshold()中對參數(shù)type的類型多傳遞一個(gè)參數(shù)（），即可實(shí)現(xiàn)Otsu算法的閾值處理（）。

答案:cv2.THRESH_OTSU在OpenCV中，表示像素坐標(biāo)的方式是（）。

答案:（y，x）在OpenCV中，若想利用polylines()函數(shù)在圖像中繪制閉合多邊形，需將isClosed參數(shù)值設(shè)置為（）。

答案:True在OpenCV中，若想利用circle()函數(shù)在圖像中繪制實(shí)心圓形，需將（）參數(shù)設(shè)置為-1（）。

答案:thickness在OpenCV中，利用（）屬性可以獲取圖像的像素個(gè)數(shù)（）。

答案:size在OpenCV中，使用putText()函數(shù)在圖像中繪制文字時(shí)，其中的org參數(shù)表示的是（）。

答案:文字左下角坐標(biāo)在OpenCV中，使用（）函數(shù)可以獲取特定字符的ASCII碼值（）。

答案:ord()在OpenCV中，ROI指的是（）。

答案:感興趣區(qū)域在OpenCV中，namedWindow()函數(shù)的作用是（）。

答案:創(chuàng)建指定的窗口在OpenCV中，（）函數(shù)用于對圖像進(jìn)行閾值處理（）。

答案:threshold()在OpenCV中，（）函數(shù)用于實(shí)現(xiàn)色彩空間類型轉(zhuǎn)換（）。

答案:cvtColor()在OpenCV中，（）函數(shù)用于實(shí)現(xiàn)拆分圖像的通道（）。

答案:split()在OpenCV中，（）函數(shù)用于實(shí)現(xiàn)圖像的仿射變換（）。

答案:warpAffine()在OpenCV中，（）函數(shù)用于在圖像中繪制多邊形（）。

答案:polylines()在OpenCV中，（）函數(shù)用于修改圖像的大小比例，實(shí)現(xiàn)圖像的縮小或放大（）。

答案:resize()在OpenCV中，（）函數(shù)可以用于實(shí)現(xiàn)自適應(yīng)閾值處理（）。

答案:adaptiveThreshold()在Matplotlib的使用中，如果不顯式調(diào)用figure()函數(shù)，也會(huì)默認(rèn)創(chuàng)建一個(gè)畫布供子圖使用。（）

答案:對圖表的結(jié)構(gòu)一般包括。（）。

答案:畫布；圖表標(biāo)題；繪圖區(qū)；圖例圖像的異或運(yùn)算有一個(gè)特點(diǎn)，執(zhí)行一次異或運(yùn)算得到一個(gè)結(jié)果，再對這個(gè)結(jié)果執(zhí)行第二次異或運(yùn)算，則還原成最初的值。（）

答案:對哪種數(shù)據(jù)集用于評估模型的性能和泛化能力？（）。

答案:測試集哪些是jieba分詞模式？（）。

答案:精確模式；全模式；搜索引擎模式命名實(shí)體識別中的“命名實(shí)體”一般是指文本中具有特別意義或指代性非常強(qiáng)的實(shí)體。（）

答案:對原圖像與掩模進(jìn)行與運(yùn)算后的規(guī)律是（）。

答案:原圖像僅保留掩模中白色區(qū)域覆蓋內(nèi)容，其他區(qū)域全部變成黑色。卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練方法主要參數(shù)（）。

答案:epochs：訓(xùn)練的輪次數(shù)量；batch_size：每批次樣本數(shù)量；validation_data：指定的驗(yàn)證集數(shù)據(jù)；x_train：訓(xùn)練集圖像數(shù)據(jù),y_train：訓(xùn)練集標(biāo)簽數(shù)據(jù)卷積神經(jīng)網(wǎng)絡(luò)模型LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)圖除了輸入層，總共有多少層（）。

答案:7卷積神經(jīng)網(wǎng)絡(luò)模型LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)中輸入層輸入圖像的尺寸統(tǒng)一歸一化為（）。

答案:32×32卷積神經(jīng)網(wǎng)絡(luò)（CNN）的基本單元是（）。

答案:卷積層卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種深度學(xué)習(xí)模型，其主要用途是（）。

答案:圖像識別利用視覺跟蹤技術(shù)對運(yùn)動(dòng)的車、行人等目標(biāo)進(jìn)行跟蹤，根據(jù)運(yùn)動(dòng)軌跡對它在未來的位置、速度等信息做出預(yù)判。（）

答案:對判別網(wǎng)絡(luò)負(fù)責(zé)判斷輸入的數(shù)據(jù)是真實(shí)的還是生成的。（）

答案:對元字符使得正則表達(dá)式只可以匹配一個(gè)字符串。（）

答案:錯(cuò)像素是構(gòu)成數(shù)字圖像的最小單位。（）

答案:對修改圖像像素的操作實(shí)際上就是修改數(shù)組的操作。（）

答案:對使用不同的仿射變換矩陣，可以實(shí)現(xiàn)平移、旋轉(zhuǎn)等不同的仿射變換操作。（）

答案:對使用numpy庫提供的（）方法可以創(chuàng)建純黑圖像（）。

答案:zeros()使用add()函數(shù)對兩幅圖像進(jìn)行求和運(yùn)算時(shí)，若兩個(gè)圖像對應(yīng)像素值的和大于255，則（）。

答案:將運(yùn)算結(jié)果取255使用adaptiveThreshold()函數(shù)實(shí)現(xiàn)自適應(yīng)閾值處理時(shí)，其中的thresholdType參數(shù)是閾值處理方式，可以設(shè)置為任何一種閾值處理方式。（）

答案:錯(cuò)仿射變換是指圖像可以通過一系列的幾何變換來實(shí)現(xiàn)平移、旋轉(zhuǎn)和三點(diǎn)映射等操作。該變換的能夠保持圖像的“平直性”和“平行性。（）

答案:對以下屬于監(jiān)督學(xué)習(xí)算法的是（）。

答案:決策樹；樸素貝葉斯以下哪些是數(shù)據(jù)的常見類型？（）。

答案:數(shù)值型數(shù)據(jù)；文本數(shù)據(jù)；圖像數(shù)據(jù)；音頻數(shù)據(jù)以下哪些是數(shù)據(jù)清洗的步驟？（）。

答案:缺失值處理；異常值處理；數(shù)據(jù)轉(zhuǎn)換以下哪些是中文分詞應(yīng)用的場景（）。

答案:搜索引擎優(yōu)化；機(jī)器翻譯；文本分類；信息檢索以下哪些是NLTK的模塊（）。

答案:nltk.corpus模塊；nltk.tag模塊；nltk.tokenize模塊；nltk.stem模塊以下不屬于深度學(xué)習(xí)框架的是（）。

答案:Jupyter以下TensorFlow的廣播規(guī)則說法錯(cuò)誤的是（）。

答案:TensorFlow2中不支持廣播。二值圖像是指只含有黑色和白色的圖像，由于圖像只使用兩個(gè)數(shù)字就可以表示，因此，計(jì)算機(jī)使用兩個(gè)比特位表示二值圖像。（）

答案:錯(cuò)為響應(yīng)函數(shù)綁定一個(gè)特定的窗口，要使用（）函數(shù)來實(shí)現(xiàn)（）。

答案:setMouseCallback()中文分詞的難點(diǎn)主要在于（）。

答案:分詞規(guī)范模糊；分詞歧義消解；未登錄詞的識別下面陳述中，錯(cuò)誤的是（）。

答案:樸素貝葉斯是深度學(xué)習(xí)算法。下面哪些是循環(huán)神經(jīng)網(wǎng)絡(luò)的常用網(wǎng)絡(luò)模型（）。

答案:RNN網(wǎng)絡(luò)；LSTM公司；格魯鉉下列那個(gè)不是數(shù)學(xué)運(yùn)算函數(shù)是（）。

答案:tf.tile（）下列是標(biāo)量運(yùn)算函數(shù)的是（）。

答案:tf.divide（）；tf.square（）下列屬于循環(huán)神經(jīng)網(wǎng)絡(luò)函數(shù)的是（）？

答案:tf.keras.layers.SimpleRNN（）；tf.keras.layers.LSTM（）下列哪項(xiàng)不屬于自然語言處理的應(yīng)用領(lǐng)域？（）。

答案:創(chuàng)造語言下列哪種函數(shù)可以創(chuàng)建隨機(jī)整數(shù)數(shù)組（）。

答案:np.random.randint下列哪些是add_subplot的參數(shù)。（）。

答案:nrows：子圖劃分成的行數(shù)；ncols：子圖劃分成的列數(shù)；index：當(dāng)前子圖的序號，編號從1開始下列哪個(gè)不是正則表達(dá)式函數(shù)？（）。

答案:threefoot函數(shù)下列關(guān)于SimpleRNN函數(shù)常用的參數(shù)說法錯(cuò)誤的是（）。

答案:return_state表示是否返回最后一個(gè)狀態(tài)下列關(guān)于Pandas的描述錯(cuò)誤的是（）。

答案:Pandas不能處理經(jīng)濟(jì)、統(tǒng)計(jì)、分析等領(lǐng)域問題下列關(guān)于Numpy計(jì)算說法正確的是。（）。

答案:求數(shù)組每一列的最大值的語法是np.amax(數(shù)組名,axis=0)；求數(shù)組每一行的最大值的語法是np.amax(數(shù)組名,axis=1)；求每一行的最小值的語法是np.amin(stus_score,axis=1)；求每一列的平均值的語法是np.mean(stus_score,axis=0)下列關(guān)于Numpy的描述錯(cuò)誤的是（）。

答案:Numpy運(yùn)算效率極好,是大量深度學(xué)習(xí)框架的基礎(chǔ)庫一個(gè)像素是一個(gè)點(diǎn)，不是具有一定面積的區(qū)域。（）

答案:錯(cuò)Word2Vec主要包括CBOW和Skip-Gram這兩個(gè)淺層的神經(jīng)網(wǎng)絡(luò)模型。（）

答案:對threshold()函數(shù)的type參數(shù)值為cv2.THRESH_BINARY時(shí)執(zhí)行（）。

答案:二值化閾值處理tf.unstack（）函數(shù)的作用是（）。

答案:將一個(gè)張量按照指定的維度切割成多個(gè)張量，并將這些張量以列表的形式返回tf.slice（）函數(shù)主要有幾個(gè)參數(shù)（）。

答案:輸入；開始Tensorflow自動(dòng)微分不是對所有的量進(jìn)行觀測，默認(rèn)會(huì)觀測常量，而變量不會(huì)被觀測。（）

答案:錯(cuò)Tensorflow自動(dòng)微分一般使用梯度磁帶tf.GradientTape來記錄正向運(yùn)算過程，然后反播磁帶自動(dòng)得到梯度值。（）

答案:對Tensorflow的廣播不具備自動(dòng)廣播的機(jī)制。（）

答案:錯(cuò)SGD每次迭代時(shí)隨機(jī)用一小批樣本進(jìn)行計(jì)算，遵循一條曲折的通往極小值的梯度路徑。（）

答案:對Seq2Seq模型是基于RNN網(wǎng)絡(luò)