深度學習面試100題(第1-5題):經典常考點CNN

七月線上實驗室發表於2018-07-06

1、梯度下降演算法的正確步驟是什麼?

a.計算預測值和真實值之間的誤差

b.重複迭代,直至得到網路權重的最佳值

c.把輸入傳入網路,得到輸出值

d.用隨機值初始化權重和偏差

e.對每一個產生誤差的神經元,調整相應的(權重)值以減小誤差


A.abcde    B.edcba     C.cbaed      D.dcaeb


解析:正確答案D,考查知識點-深度學習。


2、已知:

- 大腦是有很多個叫做神經元的東西構成,神經網路是對大腦的簡單的數學表達。

- 每一個神經元都有輸入、處理函式和輸出。

- 神經元組合起來形成了網路,可以擬合任何函式。

- 為了得到最佳的神經網路,我們用梯度下降方法不斷更新模型

給定上述關於神經網路的描述,什麼情況下神經網路模型被稱為深度學習模型?


A.加入更多層,使神經網路的深度增加

B.有維度更高的資料

C.當這是一個圖形識別的問題時

D.以上都不正確


解析:正確答案A,更多層意味著網路更深。沒有嚴格的定義多少層的模型才叫深度模型,目前如果有超過2層的隱層,那麼也可以及叫做深度模型。


3、訓練CNN時,可以對輸入進行旋轉、平移、縮放等預處理提高模型泛化能力。這麼說是對,還是不對?


A.對    B.不對


解析:。如寒sir所說,訓練CNN時,可以進行這些操作。當然也不一定是必須的,只是data augmentation擴充資料後,模型有更多資料訓練,泛化能力可能會變強。


4、下面哪項操作能實現跟神經網路中Dropout的類似效果?


A.Boosting    B.Bagging    C.Stacking    D.Mapping


解析:正確答案B。Dropout可以認為是一種極端的Bagging,每一個模型都在單獨的資料上訓練,同時,通過和其他模型對應引數的共享,從而實現模型引數的高度正則化。


5、下列哪一項在神經網路中引入了非線性?


A.隨機梯度下降

B.修正線性單元(ReLU)

C.卷積函式

D.以上都不正確


解析:正確答案B。修正線性單元是非線性的啟用函式。


七月線上獨家釋出了國內首個AI筆試面試題庫,總共3000道,涵蓋數學、Python、資料結構、機器學習、深度學習、CV、NLP等等,這3000道題的題目、答案、解析全都在七月線上APP和官網上,詳情請點選閱讀原文。

640?wx_fmt=gif

640?wx_fmt=jpeg

相關文章