填空题和判断题重点
判断题
- 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
- 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
- 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
- 高斯模型求解是将事务分解为高斯模型
- 经过仿射变化，图像的正方形不一定还是正方形
- HMM可以进行处理序列数据，但是GMM主要用于聚类
- 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）。
- 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。
- 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。
- 多感知器可以表达非线性曲面
- HMM和CRF都可以进行顺序标注
- 一阶梯度Prewitt梯度算子、Sobel梯度算子，二阶梯度Laplacian梯度算子。
- 宽且浅的DNN模型容易过拟合，窄且深的模型容易欠拟合
- 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
- 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
- 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。
- 灰度变化映射函数，k>1 拉伸，0<k<1 压缩
- metrics用来指定准确率评测标准；loss才是用来指定损失函数
- 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
- CANN是华为全栈解决方案中的++芯片使能层++
- 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。
- ++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。
- CANN的++算子融合引擎++可以减少参数的计算
- ++CANN算子库（CANN）++比肩英伟达的CUDA
- CANN的CCE算子库提供了卷积类、矩阵类、Vector类和++控制流类算子++。
- ++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
- ++TBE++是高性能的自定义算子开发工具
- 昇腾310的功率是++8W++
- 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）。
- 昇腾AI处理器包括++昇腾310和昇腾910++。
- 华为人工智能产品技术栈的最底层是++昇腾芯片++
- 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++。
- 华为人工智能计算平台是Atlas
- 训练作业服务提供了查看作业功能
- 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。
- 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++
- 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。
- 语音服务调用，识别结果保存在++result++字段中
- 华为深度自研的深度学习框架是++MindSpore++也是训练和推理框架
- 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
- cv2代码中从cv2.filp(im , 0)0为垂直镜像，1为水平镜像
- opencv库的图像保存的函数为'imwrite' cv.imwrite('a', 'jpg', im)
- jieba模块分词是++cut++
- 在jieba库中，用于词袋模型向量化处理的对象是++CountVectorizer++。
- 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++。
- 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
- 引入注意力机制是为了解决Seq2Seq问题中的++长度不相等问题++
- 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。
- 成像的质量取决于传感器的单元数、++尺寸++、传感器性能确定
- 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++
- 为了使亮处拉伸，暗处压缩，伽马值应该++>++1。
- 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。
- ++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
- ++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。
- ++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。
- 在图像分割任务中，++Dice系数++是一种常用的评价指标
- 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
- （swish）函数是通过++元学习方法++得到的
- 将GRU的重置门设置为1，更新门设置为++0++，得到标准RNN模型
- Fast-RCNN是一个++两阶段（2-stage）++目标检测算法。
- 卷积神经网络专门对文本进行分类的模型被称为++textCNN++
- AlexNet使用了++ReLU++作为激活函数
- ++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。
- Sobel梯度算子属于++一阶梯度算子++
- 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。