华为HCIP AI EI Developer 选择题重点总结填空题和判断题重点总结

填空题和判断题重点

判断题

  1. 均值滤波是权重都是1的滤波器,起到图像平滑的作用,对小尺寸照片有用
  2. ModelArts自动学习中,物体检测只支持矩形标注框,并且自动学习中支持批量标注
  3. IoU(目标检测位置的准确率)指的是检测结果和Ground Truth的交集和并集的比值。IOU是交并比
  4. 高斯模型求解是将事务分解为高斯模型
  5. 经过仿射变化,图像的正方形不一定还是正方形
  6. HMM可以进行处理序列数据,但是GMM主要用于聚类
  7. U-Net(图像分割任务模型)有上采样的机制,但没有全连接层(用于分类)。
  8. Julia在AI领域的应用主要是通过其灵活的语法、高效的数值计算和广泛的科学计算库支持,而非特指张量原生表达或IR开放等特性。
  9. Atlas 并不是鲲鹏系列 AI 处理器本身,而是华为推出的一系列基于鲲鹏和昇腾(Ascend)芯片的 AI 和 HPC(高性能计算)解决方案。
  10. 多感知器可以表达非线性曲面
  11. HMM和CRF都可以进行顺序标注
  12. 一阶梯度Prewitt梯度算子、Sobel梯度算子,二阶梯度Laplacian梯度算子。
  13. 宽且浅的DNN模型容易过拟合,窄且深的模型容易欠拟合
  14. HMM的模型参数观测序列、隐藏序列、转移概率、初始概率、发射概率
  15. 一个神经网络只要隐藏层的神经元足够多可以拟合任意多项式函数
  16. 图像的直方图操作确实是为了统计整幅图像的灰度值分布频率,但当图像画面光照不均匀时,直方图操作会受到影响。当图像光照不均匀时,某些区域的灰度值会偏高或偏低,这会导致直方图的分布发生变化。
  17. 灰度变化映射函数,k>1 拉伸,0<k<1 压缩
  18. metrics用来指定准确率评测标准;loss才是用来指定损失函数
  19. 源于统计学的卡方分布(chi-square),从(类,词项)相关表出发,考虑每一个类和每一个词项的相关情况,度量两者(特征和类别)独立性的缺乏程度,卡方越大,独立性越小,相关性越大

填空题

一、华为产品

  1. CANN是华为全栈解决方案中的++芯片使能层++
  2. CANN的++融合引擎++结合昇腾芯片内部存储架构的算子融合,可以减少算子调用开销和内存搬移,提升性能。
  3. ++FusionEngine++被设计为算子级融合引擎,其主要功能是执行算子融合操作。
  4. CANN的++算子融合引擎++可以减少参数的计算
  5. ++CANN算子库(CANN)++比肩英伟达的CUDA
  6. CANN的CCE算子库提供了卷积类、矩阵类、Vector类和++控制流类算子++。
  7. ++CCE算子库++能够满足绝大部分主流视觉和NLP的神经网络的需求
  8. ++TBE++是高性能的自定义算子开发工具
  9. 昇腾310的功率是++8W++
  10. 华为昇腾910三款处理器,其中++Atlas300++ (最强算力卡),++Atlas800++ 和++Atlas900++(全球最快的AI训练集群)。
  11. 昇腾AI处理器包括++昇腾310和昇腾910++。
  12. 华为人工智能产品技术栈的最底层是++昇腾芯片++
  13. 图像分类任务用于训练的图片至少有++2种++ 以上的分类,每种分类的图片数不少于++5张++。
  14. 华为人工智能计算平台是Atlas
  15. 训练作业服务提供了查看作业功能
  16. 在达芬奇架构中,++存储单元++与相应的数据通路共同构成了AICore的存储系统。
  17. 利用华为云服务进行广告分类,这主要涉及到了华为云的++语言处理服务++
  18. MoXing是华为云ModelArts服务提供的网络模型开发API,它包含了通用模块Framework、MXNet模块、Tensorflow模块、Pytorch模块。
  19. 语音服务调用,识别结果保存在++result++字段中
  20. 华为深度自研的深度学习框架是++MindSpore++也是训练和推理框架
  21. 华为云计算提供的一句话服务实现的是++1分钟内,4MB++的音频文字转换

二、库调用

  1. cv2代码中从cv2.filp(im , 0)0为垂直镜像,1为水平镜像
  2. opencv库的图像保存的函数为'imwrite' cv.imwrite('a', 'jpg', im)
  3. jieba模块分词是++cut++
  4. 在jieba库中,用于词袋模型向量化处理的对象是++CountVectorizer++。
  5. 当需要将BGR颜色空间转换为HSV颜色空间时,对应的转换标识符为++COLOR_BGR2HSV++。
  6. 在OpenCV库中为了使得读取的图片为灰度图,应在cv2.imread( )函数的括号内填写阿拉伯数字++0++

三、三种处理方式

  1. 引入注意力机制是为了解决Seq2Seq问题中的++长度不相等问题++
  2. Seq2Seq模型在处理语音识别任务时,输入的是++语音序列++,经过模型处理后,输出对应的字母序列。
  3. 成像的质量取决于传感器的单元数、++尺寸++、传感器性能确定
  4. 图像处理中常用的两种模板运算方法,++模板卷积++ 和++模板排序++
  5. 为了使亮处拉伸,暗处压缩,伽马值应该++>++1。
  6. 根据伽马矫正理论,Y的值距离++1++越远,意味着X与Y的映射关系(变换强度)越大。
  7. ++维纳++滤波器的设计目标是使估计误差的均方值最小化,适用于图像复原等领域
  8. ++CRF(条件随机场)++取消了HMM的两个独立假设,将标签转移和上下文输入视为全局特征,通过全局概率归一化解决了HMM的标签偏置和上下文特征缺失问题。
  9. ++预加重++的目的是为了对语音的高频部分进行加重,去除口唇辐射的影响,增加语音的高频分辨率,是语音信号预处理中的重要步骤。
  10. 在图像分割任务中,++Dice系数++是一种常用的评价指标
  11. 计算机视觉核心问题包括:图像识别、图像重建、图像重组

四、神经网络深度学习部分

  1. (swish)函数是通过++元学习方法++得到的
  2. 将GRU的重置门设置为1,更新门设置为++0++,得到标准RNN模型
  3. Fast-RCNN是一个++两阶段(2-stage)++目标检测算法。
  4. 卷积神经网络专门对文本进行分类的模型被称为++textCNN++
  5. AlexNet使用了++ReLU++作为激活函数
  6. ++Haar特征++常常与Adaboost算法搭配使用,以提高人脸检测的准确性和鲁棒性。
  7. Sobel梯度算子属于++一阶梯度算子++
  8. RNN+CTC模型在语音识别中使用++beamsearch算法++从预测的字母序列中找到最可能的输出序列。
相关推荐
说私域4 分钟前
基于开源AI智能名片链动2+1模式的S2B2C商城小程序:门店私域流量与视频号直播融合的生态创新研究
人工智能·小程序·开源
Ronin-Lotus7 分钟前
深度学习篇---Yolov系列
人工智能·深度学习
静心问道35 分钟前
GoT:超越思维链:语言模型中的有效思维图推理
人工智能·计算机视觉·语言模型
aneasystone本尊1 小时前
学习 Claude Code 的工具使用(三)
人工智能
szxinmai主板定制专家1 小时前
【精密测量】基于ARM+FPGA的多路光栅信号采集方案
服务器·arm开发·人工智能·嵌入式硬件·fpga开发
T__TIII1 小时前
Dify 自定义插件
人工智能·github
快起来别睡了1 小时前
LangChain 介绍及使用指南:从“会聊天”到“能干活”的 AI 应用开发工具
人工智能
AI数据皮皮侠2 小时前
中国区域10m空间分辨率楼高数据集(全国/分省/分市/免费数据)
大数据·人工智能·机器学习·分类·业界资讯
静心问道2 小时前
大语言模型能够理解并可以通过情绪刺激进行增强
人工智能·语言模型·大模型
运器1232 小时前
【一起来学AI大模型】算法核心:数组/哈希表/树/排序/动态规划(LeetCode精练)
开发语言·人工智能·python·算法·ai·散列表·ai编程