2025年人工智能訓(xùn)練師五級(jí)復(fù)習(xí)題(有答案)1.單項(xiàng)選擇題（每題1分，共30分。每題只有一個(gè)正確答案，請(qǐng)將正確選項(xiàng)的字母填入括號(hào)內(nèi)）1.在監(jiān)督學(xué)習(xí)中，訓(xùn)練集的標(biāo)簽作用是（）。A.提供特征維度B.提供模型評(píng)估指標(biāo)C.提供損失函數(shù)計(jì)算基準(zhǔn)D.提供數(shù)據(jù)增強(qiáng)策略答案：C2.下列關(guān)于過擬合的描述，正確的是（）。A.訓(xùn)練誤差持續(xù)上升B.驗(yàn)證誤差顯著低于訓(xùn)練誤差C.模型在訓(xùn)練集表現(xiàn)好但在測(cè)試集表現(xiàn)差D.正則化會(huì)加劇過擬合答案：C3.在深度神經(jīng)網(wǎng)絡(luò)中，BatchNormalization層通常放置在（）。A.激活函數(shù)之前B.激活函數(shù)之后C.損失函數(shù)之后D.優(yōu)化器之后答案：A4.若學(xué)習(xí)率設(shè)置過大，最可能出現(xiàn)的訓(xùn)練現(xiàn)象是（）。A.損失函數(shù)收斂緩慢B.損失函數(shù)震蕩甚至發(fā)散C.梯度消失D.權(quán)重全部歸零答案：B5.在圖像分類任務(wù)中，數(shù)據(jù)增強(qiáng)技術(shù)“MixUp”的核心思想是（）。A.隨機(jī)裁剪并拼接B.線性插值兩張圖像及標(biāo)簽C.對(duì)像素做高斯模糊D.隨機(jī)擦除一塊區(qū)域答案：B6.使用早停（EarlyStopping）策略時(shí)，監(jiān)控指標(biāo)通常選擇（）。A.訓(xùn)練集準(zhǔn)確率B.驗(yàn)證集損失C.測(cè)試集F1值D.參數(shù)量的L2范數(shù)答案：B7.在Transformer結(jié)構(gòu)中，縮放點(diǎn)積注意力公式中的縮放因子是（）。A.嵌入維度B.嵌入維度的平方根C.序列長度D.頭數(shù)答案：B8.下列激活函數(shù)中，輸出范圍在(1,1)的是（）。A.ReLUB.SigmoidC.TanhD.GELU答案：C9.在目標(biāo)檢測(cè)模型YOLOv5中，負(fù)責(zé)預(yù)測(cè)物體中心點(diǎn)偏移量的分支是（）。A.ObjectnessB.ClassC.BoxregressionD.Anchorfreeheatmap答案：C10.當(dāng)使用交叉熵?fù)p失函數(shù)時(shí)，若真實(shí)標(biāo)簽為onehot形式[0,0,1]，模型輸出概率為[0.1,0.2,0.7]，則損失值為（）。A.ln0.7B.ln0.2C.ln0.1D.0答案：A11.在聯(lián)邦學(xué)習(xí)場(chǎng)景下，客戶端上傳的參數(shù)通常是（）。A.原始訓(xùn)練數(shù)據(jù)B.梯度或權(quán)重C.損失函數(shù)曲線D.超參數(shù)配置答案：B12.下列關(guān)于模型蒸餾的說法，錯(cuò)誤的是（）。A.學(xué)生模型通常比教師模型小B.蒸餾損失只考慮軟標(biāo)簽C.溫度參數(shù)T越大，軟標(biāo)簽越平滑D.可結(jié)合真實(shí)標(biāo)簽與軟標(biāo)簽共同訓(xùn)練答案：B13.在NLP任務(wù)中，WordPiece與BPE的共同點(diǎn)是（）。A.基于詞頻構(gòu)建詞典B.采用子詞切分C.需要預(yù)訓(xùn)練詞向量D.僅適用于英文答案：B14.當(dāng)GPU顯存不足時(shí)，下列策略中不能降低顯存占用的是（）。A.梯度累積B.混合精度訓(xùn)練C.增大BatchSizeD.檢查點(diǎn)重計(jì)算答案：C15.在強(qiáng)化學(xué)習(xí)中，Qlearning更新公式中的α指（）。A.折扣因子B.學(xué)習(xí)率C.探索率D.獎(jiǎng)勵(lì)均值答案：B16.下列關(guān)于AUC的說法，正確的是（）。A.僅適用于多分類B.閾值相關(guān)指標(biāo)C.越接近1表示排序能力越強(qiáng)D.與PR曲線面積恒等答案：C17.在模型部署階段，TensorRT的主要優(yōu)化手段不包括（）。A.層融合B.權(quán)重量化C.動(dòng)態(tài)形狀支持D.增加網(wǎng)絡(luò)深度答案：D18.使用Kfold交叉驗(yàn)證的主要目的是（）。A.減少訓(xùn)練時(shí)間B.提高模型方差C.更穩(wěn)健地估計(jì)模型泛化能力D.降低參數(shù)量答案：C19.在PyTorch中，下列代碼片段的作用是（）。withtorch.no_grad():output=model(input)A.開啟混合精度B.關(guān)閉自動(dòng)求導(dǎo)C.啟用DropoutD.切換訓(xùn)練模式答案：B20.當(dāng)訓(xùn)練數(shù)據(jù)極度不平衡時(shí)，適合的綜合評(píng)價(jià)指標(biāo)是（）。A.準(zhǔn)確率B.宏平均F1C.微平均F1D.訓(xùn)練損失答案：B21.在圖像分割任務(wù)中，DiceLoss的取值范圍是（）。A.[0,1]B.[1,1]C.[0,+∞)D.(∞,+∞)答案：A22.下列關(guān)于梯度爆炸的解決方案，錯(cuò)誤的是（）。A.梯度裁剪B.權(quán)重初始化C.減小網(wǎng)絡(luò)深度D.增加學(xué)習(xí)率答案：D23.在AutoML框架中，超參優(yōu)化算法“貝葉斯優(yōu)化”利用的核心模型是（）。A.KNNB.高斯過程C.決策樹D.線性回歸答案：B24.當(dāng)使用Horovod進(jìn)行分布式訓(xùn)練時(shí)，梯度同步發(fā)生在（）。A.前向傳播后B.反向傳播后C.數(shù)據(jù)加載前D.損失計(jì)算前答案：B25.在語音合成任務(wù)中，Mel頻譜的維度通常與時(shí)間幀和（）相關(guān)。A.采樣率B.Mel濾波器個(gè)數(shù)C.窗函數(shù)類型D.量化位數(shù)答案：B26.下列關(guān)于對(duì)比學(xué)習(xí)損失InfoNCE的描述，正確的是（）。A.僅使用負(fù)樣本B.僅使用正樣本C.同時(shí)利用正樣本與負(fù)樣本D.不需要溫度系數(shù)答案：C27.在模型壓縮技術(shù)中，通道剪枝直接作用于（）。A.批歸一化層B.卷積核C.激活函數(shù)D.損失函數(shù)答案：B28.當(dāng)使用Adam優(yōu)化器時(shí)，超參數(shù)β1的常用值為（）。A.0.5B.0.9C.0.99D.1.0答案：B29.在文本生成任務(wù)中，重復(fù)懲罰（repetitionpenalty）系數(shù)大于1會(huì)導(dǎo)致（）。A.增加重復(fù)詞概率B.降低已生成詞概率C.提高序列長度D.降低解碼速度答案：B30.下列關(guān)于ONNX的說法，錯(cuò)誤的是（）。A.支持跨框架部署B(yǎng).定義了統(tǒng)一的算子標(biāo)準(zhǔn)C.可直接運(yùn)行在瀏覽器D.可進(jìn)行圖優(yōu)化答案：C2.多項(xiàng)選擇題（每題2分，共20分。每題有兩個(gè)或兩個(gè)以上正確答案，請(qǐng)將所有正確選項(xiàng)的字母填入括號(hào)內(nèi)，漏選、錯(cuò)選均不得分）31.下列措施中，能夠有效緩解模型欠擬合的有（）。A.增加網(wǎng)絡(luò)深度B.減少正則化強(qiáng)度C.增加訓(xùn)練輪數(shù)D.降低學(xué)習(xí)率答案：ABC32.在目標(biāo)檢測(cè)評(píng)價(jià)指標(biāo)mAP計(jì)算中，需要涉及的要素有（）。A.IoU閾值B.置信度排序C.精確率召回率曲線D.類別均衡采樣答案：ABC33.以下屬于Transformer自注意力機(jī)制時(shí)間復(fù)雜度優(yōu)化方法的有（）。A.LinformerB.PerformerC.ReformerD.GradientCheckpointing答案：ABC34.在聯(lián)邦學(xué)習(xí)系統(tǒng)里，可能遇到的攻擊類型包括（）。A.模型投毒B.成員推理C.梯度泄露D.數(shù)據(jù)增強(qiáng)答案：ABC35.使用混合精度訓(xùn)練時(shí)，需要特別處理的環(huán)節(jié)有（）。A.損失縮放B.權(quán)重備份C.梯度裁剪D.學(xué)習(xí)率預(yù)熱答案：AB36.下列關(guān)于BERT預(yù)訓(xùn)練任務(wù)的說法，正確的有（）。A.MLM隨機(jī)遮蓋15%的詞B.NSP判斷句子順序C.使用單向語言模型D.采用WordPiece分詞答案：ABD37.在推薦系統(tǒng)冷啟動(dòng)問題中，可采用的策略有（）。A.利用用戶注冊(cè)信息B.基于內(nèi)容特征C.元學(xué)習(xí)快速適應(yīng)D.增加隱藏層節(jié)點(diǎn)答案：ABC38.下列關(guān)于模型服務(wù)灰度發(fā)布的描述，正確的有（）。A.逐步切換流量B.可實(shí)時(shí)回滾C.需要A/B測(cè)試指標(biāo)D.必須修改訓(xùn)練數(shù)據(jù)答案：ABC39.在語音識(shí)別中，CTC損失的特點(diǎn)包括（）。A.允許輸入輸出長度不等B.引入空白標(biāo)簽C.需要強(qiáng)制對(duì)齊D.可輸出重復(fù)字符答案：ABD40.下列關(guān)于DiffusionModel訓(xùn)練過程的說法，正確的有（）。A.逐步添加高斯噪聲B.網(wǎng)絡(luò)學(xué)習(xí)去噪?yún)?shù)C.采樣過程需迭代D.不需要損失函數(shù)答案：ABC3.填空題（每空2分，共30分。請(qǐng)將答案填寫在橫線上，確保語義準(zhǔn)確）41.在卷積神經(jīng)網(wǎng)絡(luò)中，若輸入特征圖尺寸為112×112，卷積核大小3×3，padding=1，stride=2，則輸出特征圖尺寸為________。答案：56×5642.若某模型參數(shù)量為1.2×10^8，每個(gè)參數(shù)以FP32存儲(chǔ)，則模型權(quán)重占用顯存約為________MB。答案：457.7643.在Python中，使用numpy將列表[0.1,0.2,0.7]轉(zhuǎn)換為概率分布，需先執(zhí)行________函數(shù)確保和為1。答案：softmax（或除以總和）44.當(dāng)學(xué)習(xí)率調(diào)度器選擇CosineAnnealing時(shí)，其周期長度通常設(shè)置為________。答案：最大訓(xùn)練輪數(shù)45.在PyTorch中，若需將模型移至GPU，應(yīng)調(diào)用模型實(shí)例的________方法。答案：cuda()或to("cuda")46.在梯度裁剪中，常用范數(shù)類型為________范數(shù)。答案：L247.在文本預(yù)處理中，將“running”還原為“run”的步驟稱為________。答案：詞干提?。ɑ騍temming）48.若BatchSize=64，epoch=10，訓(xùn)練集樣本數(shù)為12800，則每epoch需要________步迭代。答案：20049.在模型量化中，將FP32權(quán)重映射到INT8，最大絕對(duì)值系數(shù)為0.8，則縮放因子scale=________。答案：0.8/12750.在ROC曲線中，假正率FPR的計(jì)算公式為________。答案：FP/(FP+TN)51.在語音信號(hào)處理中，將采樣率從16kHz降采樣到8kHz，需先執(zhí)行________濾波。答案：抗混疊低通52.在推薦系統(tǒng)FM模型中，特征交叉項(xiàng)的計(jì)算復(fù)雜度為________。答案：O(kn)53.在VisionTransformer中，位置編碼常用________編碼以保留序列順序。答案：正弦余弦（或Sinusoidal）54.當(dāng)使用Horovod進(jìn)行分布式訓(xùn)練時(shí)，需用________函數(shù)包裝優(yōu)化器。答案：DistributedOptimizer55.在生成對(duì)抗網(wǎng)絡(luò)中，判別器損失函數(shù)采用________交叉熵。答案：二元（或Binary）4.簡(jiǎn)答題（共30分。請(qǐng)給出簡(jiǎn)明扼要的回答，封閉型簡(jiǎn)答題需準(zhǔn)確，開放型簡(jiǎn)答題需邏輯清晰）56.（封閉型，6分）簡(jiǎn)述Dropout在訓(xùn)練階段與測(cè)試階段的不同處理方式，并說明其原因。答案：訓(xùn)練階段以概率p隨機(jī)將神經(jīng)元輸出置0，并縮放保留神經(jīng)元的輸出除以(1p)；測(cè)試階段不使用Dropout，直接使用完整網(wǎng)絡(luò)。原因是訓(xùn)練階段通過隨機(jī)失活達(dá)到正則化效果，測(cè)試階段需要確定性的預(yù)測(cè)，縮放保證訓(xùn)練與測(cè)試階段輸出期望一致。57.（封閉型，6分）寫出BatchNormalization的規(guī)范化公式，并指出其中兩個(gè)可學(xué)習(xí)參數(shù)。答案：y=(xμ)/sqrt(σ^2+ε)γ+β，可學(xué)習(xí)參數(shù)為縮放因子γ與偏移因子β。58.（開放型，8分）列舉三種常見的類別不平衡處理方法，并比較其適用場(chǎng)景。答案：1.欠采樣：減少多數(shù)類樣本，適用于多數(shù)類冗余且數(shù)據(jù)量充足場(chǎng)景，易丟失信息。2.過采樣：增加少數(shù)類樣本，如SMOTE，適用于少數(shù)類樣本稀少且維度不高，易過擬合。3.代價(jià)敏感學(xué)習(xí)：調(diào)整損失函數(shù)權(quán)重，適用于類別錯(cuò)分代價(jià)差異大，無需改變數(shù)據(jù)分布，需調(diào)權(quán)重超參。59.（封閉型，6分）解釋梯度消失產(chǎn)生的原因，并給出一個(gè)有效解決方案。答案：深層網(wǎng)絡(luò)使用Sigmoid等飽和激活函數(shù)，反向傳播時(shí)鏈?zhǔn)角髮?dǎo)導(dǎo)致梯度指數(shù)級(jí)減小。解決方案包括使用ReLU激活、殘差連接、合理的權(quán)重初始化如He初始化。60.（開放型，8分）說明在邊緣設(shè)備部署模型時(shí)，為何選擇INT8量化而非FP16，并給出兩點(diǎn)注意事項(xiàng)。答案：INT8比FP16節(jié)省一半存儲(chǔ)與帶寬，整數(shù)計(jì)算單元功耗更低，延遲更?。蛔⒁馐马?xiàng)：1.需校準(zhǔn)數(shù)據(jù)集確定縮放因子，防止精度驟降；2.算子支持度差異，需驗(yàn)證后端是否支持INT8卷積或反量化融合。5.應(yīng)用題（共40分。需給出詳細(xì)步驟、關(guān)鍵公式與最終答案）61.（計(jì)算類，10分）某全連接層輸入維度512，輸出維度1024，使用FP32存儲(chǔ)，計(jì)算該層參數(shù)總量與權(quán)重顯存占用；若改用INT8量化，權(quán)重顯存減少多少百分比？答案：參數(shù)量=512×1024+1024=525312；FP32顯存=525312×4=2101248字節(jié)≈2.00MB；INT8顯存=525312×1=525312字節(jié)≈0.50MB；減少百分比=(2.000.50)/2.00=75%。62.（分析類，10分）給定訓(xùn)練曲線：訓(xùn)練損失持續(xù)下降，驗(yàn)證損失在epoch5后上升，驗(yàn)證準(zhǔn)確率在epoch5達(dá)到峰值后輕微下降。分析可能原因并提出三條改進(jìn)