一、单选题
1、 对于某卷积层，关于卷积核大小的描述（假设通道数固定）正确
的是哪个？
A.卷积核越小，更新参数的计算量越少，但更容易得到局部的特
征。
B.卷积核越大，其取得的特征越全面，得到的特征图越大。
C.卷积核越大，越容易提取细节特征
D.卷积核只能选择3、5、7等奇数值。
正确答案：A
2、 下面有关神经网络梯度消失说法错误的是（）
A.当神经网络的隐层增加时，就容易发生梯度消失问题，表现在靠
近输入层的权重难以更新。
B.网络梯度消失可以通过改变隐层和输出层的神经元激活函数减
弱。
C.网络梯度消失可能导致有些权重难以更新，导致网路训练失败。
D.网络梯度消失可以通过减少隐层神经元的个数减弱。
正确答案：D
3、 假设卷积神经网络某隐层的特征图大小是1919 8，其中8是通道
数，使用大小为33的12个卷积核，步长为2，没有padding对此隐层
进行操作，得到的特征图大小是？
A.8 88
B.8 812
C.9 912
D.14 148
正确答案：C
4、 卷积神经网络隐层神经元的数量与下面哪些因素无关？
A.输入图像大小
B.卷积核大小
C.步长
D.激活函数
正确答案：D
5、 以下哪个有关卷积神经网络的说法是错误的？
A.输入一个300 300的彩色图，经过10个55的卷积核，隐层的参数
量是260（含偏置）
B.使用激活函数Relu的收敛速度比Sigmoid要快一些
C.隐层的神经元输入输出可以看成一个相关权重和偏置的复合非线
性多元函数。
D.在网络规模相同的情况下，增加网络深度比增加宽度能带来更强
的网络特征获取能力
正确答案：A
6、 以下哪个关于卷积神经网络的说法是错误的？
A.卷积神经网络训练时值学习每层神经元的阈值
B.AlexNet是一个8层的卷积神经网络
C.目标检测网络Yolo网络结构中包含卷积层
D.典型的卷积神经网络是由卷积层、池化层和全连接层等组成
正确答案：A
7、下列对于生成式对抗网络的叙述，哪个是错误的？
A.训练可能不稳定
B.可以产生清晰且真实的样本
C.仅由一个生成网络与一个判别网络组成
D.属于无监督学习
正确答案：C
8、 假设卷积神经网络某卷积层的输入和输出特征图大小分别为
63 6316和33 3364，卷积核大小是3 3，步长为2，那么Padding值
为多少？
A.0
B.3
C.2
D.1
正确答案：C
9、 有关一般卷积神经网络的组成，下面哪种说法是正确的？
A.卷积神经网络的层次结构依次是由输入层、卷积层、池化层、激
活层和全连接层组成
B.卷积神经网络的层次结构依次是由输入层、池化层、卷积层、激
活层和全连接层组成
C.卷积神经网络的层次结构依次是由输入层、卷积层、激活层、池
化层和全连接层组成
D.卷积神经网络的层次结构依次是由输入层、激活层、卷积层、池
化层和全连接层组成
正确答案：C
10、 有关卷积神经网络的说法哪个是正确的？
A.在卷积层后面使用池化操作，可以减少网络可以训练的参数量
B.1*1的卷积没有改变特征图的大小，因此没有获得新的特征
C.不同卷积层或同一卷积层只能用一种大小的卷积核
D.类似AlexNet网络使用的分组卷积可以增加卷积层的参数量，降低
网络训练速度
正确答案：A
11、 有关循环神经网络激活函数的说法，以下哪个是错误的？
A.ReLU可以减少循环神经网络的梯度消失问题
B.Sigmoid函数相对于Tanh函数来说更容易导致梯度消失
C.取Tanh或Sigmoid函数作为激活函数，做梯度下降时，偏导数是一
堆小数在做乘法，容易导致网络梯度消失。
D.Tanh函数相对于Sigmoid函数来说梯度较小，收敛速度更快更慢
正确答案：D
12、 在长短期记忆网络中，使用了两种激活函数，下面哪种说法是
错误的？
A.两种激活函数的作用是不同的
B.两种激活函数共同确定有多少学习到的信息可以流转下去
C.两种激活函数互换会影响网络的性能和可解释性
D.两种激活函数的作用是相似的
正确答案：D
13、 有关生成对抗网络的训练，哪个说法是正确的？
A.在训练时，只要把判别网络的性能训练足够强，就可以生成高质
量的样本
B.因为生成对抗网络是无监督学习，其训练不需要很多真实的样本
C.判别网络和生成网络的损失函数是没有冲突的，两者共同构成生
成对抗网络的总损失函数
D.判别网络和生成网络的训练是交替进行的
正确答案：D
14、 下面关于强化学习的描述中，哪个说法是错误的？
A.策略就是从环境感知的状态到在这些状态中可采用动作的一个映
射
B.强化学习不需要积累足够多的环境交互数据才能学习
C.奖赏函数（reward）对应强化学习问题中的目标
D. 随机策略选择估计报酬最大的动作
正确答案：D
15、 下面关于池化的描述中，错误的是哪个？
A.池化在CNN中可以防止过拟合，提高模型的泛化能力。
B.池化的常用方法包括最小化池化、全局池化。
C.池化是仿照人的视觉系统进行降维（降采样），用更高层的抽象
表达来表示图像特征。
D.平均池化能更多的保留图像的背景信息，最大池化能更多的保留
纹理信息。
正确答案：B
16、 下面关于卷积神经网络结构的描述，哪个是正确的说法？
A.深层网络结构中，隐层的特征表征一般与神经元的参数和样本有
关。
B.网络结构的层次越深，学习到的特征就一定越多。
C.神经元的数量是由网络的层数决定的。
D.网络的训练时间只与网络的层数有关。
正确答案：A
17、 假设一个全卷积神经网络，全连接层前的卷积层输出为
2424 25，其展开的向量长度为？
A.3600
B.224
C.144000
D.14400
正确答案：D
18、 提升卷积神经网络对图像的特征获取能力有效的方法不包括以
下哪些方面？
A.在不同隐层调整卷积核大小。
B.采用不同大小的卷积：在开始的卷积层采用大卷积核获得粗略的
特征，然后再后续的卷积层采用小卷积核获得细致的特征。
C.增加池化操作。
D.采用shortcut等方式，减少特征的损失。
正确答案：C
19、 长短期记忆网络（LSTM）中输入门的作用是以下哪项？
A.控制对当前时刻新输入信息的拟合。
B.负责协调与输出门的关系。
C.负责协调与遗忘门的关系。
D.存储网络输入产生的新信息。
正确答案：A
20、 当生成器产生的样本分布与真实样本分布不一致时，以下哪个
说法是错误的？
A.代价函数设计合理（例如使用了EM距离）可能稳定训练。
B.代价函数设计不合理（例如使用了KL散度）会出现训练不稳定的
结果。
C.出现了训练成功的算法（例如WGAN）。
D.无法训练成功。
正确答案：D
21、 下面有关数据增强，哪个说法错误的？
A.数据增强可以调整一些参数实现。
B.数据增强只有是样本数量少的情况下执行。
C.数据增强可以增加样本的数量，因此可以减少模型的过拟合。
D.数据增强产生的新样本不一定能增强训练精度。
正确答案：B
22、 与神经网络模型泛化能力相似的说法是哪个？
A.鲁棒性
B.对测试样本的推广能力
C.稳定性
D.对训练样本的拟合能力
正确答案：B
23、 对于3 * 3的特征图，采用dilation rate=2的空洞卷积，得到的特征
图大小是？
A.66
B.5 5
C.77
D.8 8
正确答案：B
24、 以下哪个网络没有使用skip connection?
A.Faster RCNN
B.ResNet
C.denseNet
D.UNet
正确答案：A
25、 在目标检测算法中，IoU（Intersection over Union）主要用于？
A.度量检测框的准确度
B.度量目标的大小和位置
C.度量检测框和真实框的重叠程度
D.度量分类结果的准确度
正确答案：C
26、 GAN中的Mode Collapse问题是指什么？
A.生成器只生成少数几种样本
B.生成器生成的样本与真实样本之间的差异非常小
C.生成器和判别器的目标函数无法收敛
D.判别器无法正确分类真实样本和生成样本
正确答案：A
27、 在RNN中，隐藏状态的作用是什么？
A.存储之前的信息，为后续计算提供输入
B.用于控制模型的复杂度
C.用于控制模型的学习速度
D.用于输出结果的计算
正确答案：A
28、 门控循环单元（GRU）相比LSTM有什么不同？
A.GRU的效果更好
B.GRU有2个门控单元，而LSTM有4个门控单元
C.GRU的计算速度更快
D.GRU只有1个门控单元，而LSTM有3个门控单元
正确答案：C
29、 在RNN中，使用Attention机制的目的是？
A.可以减少模型的过拟合
B.可以处理长序列数据
C.可以加速模型的训练
D.可以提高模型的准确率
正确答案：D
30、 注意力机制中，Softmax函数的作用是什么？
A.将注意力权重归一化
B.用于提取信息
C.计算注意力权重
D.用于计算损失函数
正确答案：A
二、多选题
1、 提高图像分类的准确度，可以考虑以下哪些方法？
A.数据增强，增加训练数据
B.调整超参
C.增加输入图像的分辨率
D.减少训练数据集
正确答案：A、B、C
2、 下面关于卷积神经网络的描述中，正确的说法是哪些？
A.卷积层通道数量越多或者通道对应的核大小越多样，获得的特征
就越充分
B.卷积是指对图像的窗口数据和卷积核做内积的操作，在训练过程
中卷积核的大小和值不变
C.SAME填充和VALID填充的主要区别是前者向图像边缘添加0值，而
后者可能对图像边缘的特征获取不足
D.局部感知使网络可以提取数据的局部特征，而权值共享大大增加
了网络的训练工作量
正确答案：A、C
3、 下面哪些关于卷积神经网络的说法是正确的？
A.在限制神经元总数的情况下，增加网络的宽度要比增加网络的深
度能带来更强的网络表示能力
B.ReLU非线性激活函数的收敛速度比Sigmoid可能快一些
C.激活函数为Tanh的深层神经网络可以看成一个复合的非线性多元
函数
D.输入一个300300的彩色图，经过10个5 5的卷积核，得到卷积层
的参数量为750（包括偏置）
正确答案：B、C
4、 有关Faster-RCNN的说法错误的是哪些？
A.候选区域的生成与目标分类、边框精修的工作是同一个子网络完
成的。
B.非极大值抑制（NMS）可以减少候选框的数量，一般放在候选区
域的目标分类和位置修正后完成。
C.目标分类与边框精修的输入来自于区域提名网络。
D.候选框的生成使用区域提名网络（RPN），比选择性搜索方法速度
要快。
正确答案：A、C
5、 以下哪些方法防止或减少梯度消失和梯度爆炸？
A.权重正则化
B.梯度截断
C.增加网络的层数
D.Leaky ReLU激活函数
正确答案：A、B、D
6、 下面有关神经网络小批量训练的批量对网络性能的影响说法哪些
是错误的？
A.批量大，网络检验样本集分类准确率较低，达到同样的网络分类
准确率需要更多的轮次。
B.批量越大，网络训练速度慢，但网络分类准确率高。
C.批量小，网络训练样本集损失减少越快，网络泛化能力较强
D.批量小，网络的准确率高，训练速度慢一些
正确答案：A、C、D
7、 以下哪些方法可以用于减少神经网络的过拟合问题？
A.批标准化
B.损失函数正则化
C.网络权重合理初始化
D.数据增强
正确答案：A、B、D
8、 有关depthwise卷积，以下哪些说法是正确的？
A.可以减少网络参数个数
B.提高卷积神经网络速度
C.增加卷积神经网络的特征获取能力
D.Mobilenet网络使用depthwise卷积
正确答案：A、B、D
9、 以下卷积神经网络模型没有全连接隐层的是哪些？
A.GoogleNet
B.AlexNet
C.VGG
D.ResNet
正确答案：A、D
10、 有关语义分割的说法，哪些是正确的叙述？
A.解决小物体分割可以使用空洞卷积和增大特征图的分辨率
B.图像质量不影响语义分割结果
C.语义分割使用的卷积神经网络是空间不变的（ spatially invariant）
D.处理遮挡物体的分割问题可以使用生成对抗网络（GAN）
正确答案：A、D
三、判断题
1、 在设计卷积神经网络时，开始时网络的深度尽可能深一些，当这
个网络的性能还不错时，再考虑减少网络的层次，提升准确度。
正确答案：×
2、 训练神经网络选择越大的batch-size，可以使用越小的学习率，使
网络训练的损失函数下降越快。
正确答案：×
3、 Faster R-CNN算法输出层只预测Anchor Box的偏移值与置信度，而
不是候选框的坐标值，这样使神经网络学习更容易。
正确答案：√
4、 YOLO v2算法借鉴Faster RCNN算法，采用先验框，增加了候选区
域数量，降低了召回率。
正确答案：×
5、 对于欠拟合的卷积神经网络模型，可以增加模型的宽度或深度，
或者对数据集进行增强操作。
正确答案：√