第3章 - 神经网络基础 客观题： 什么是神经元的激活函数？ A. 线性函数 B. 非线性函数 C. 微分方程 D. 高斯分布 答案: B 在分类问题中，哪种损失函数最常用？ A. 均方误差 B. 交叉熵 C. Hinge 损失 D. 平均绝对误差 答案: B 什么是正则化？ A. 优化算法 B. 防止过拟合的技术 C. 一种激活函数 D. 特征选择技术 答案: B 在 PyTorch 中，如何实现权重初始化？ A. 使用 nn.init 模块 B. 使用 torch.zeros() C. 直接设置 nn.Module 的参数 D. 使用 Python 的随机函数 答案: A 什么是前向传播？ A. 计算损失函数的过程 B. 计算梯度的过程 C. 从输入层到输出层的计算过程 D. 更新权重的过程 答案: C 在 PyTorch 中，nn.Sequential 用于什么？ A. 数据加载 B. 定义一个简单的神经网络结构 C. 可视化 D. 模型保存和加载 答案: B 如何在 PyTorch 中冻结模型的某些层？ A. 设置层的 requires_grad=False B. 通过 model.eval() 方法 C. 删除要冻结的层 D. 使用 torch.no_grad() 上下文管理器 答案: A 哪种优化器适合快速训练？ A. SGD B. Adagrad C. RMSprop D. Adam 答案: D 什么是批量归一化（Batch Normalization）？ A. 一种优化技术 B. 一种正则化技术 C. 一种数据预处理技术 D. 一种激活函数 答案: A nn.Module 在 PyTorch 中用于什么？ A. 数据加载 B. 定义神经网络的基类 C. 模型评估 D. 优化算法 答案: B 在 PyTorch 中，哪个方法用于计算模型的输出？ A. model.predict() B. model.forward() C. model.eval() D. model()答案: D Dropout 在神经网络中用于什么？ A. 优化 B. 激活 C. 正则化 D. 归一化 答案: C 在 PyTorch 中，哪个函数用于保存整个模型？ A. torch.save() B. torch.export() C. torch.dump() D. torch.write()答案: A 在分类问题中，Softmax 函数用于什么？ A. 数据增强 B. 转换输出为概率分布 C. 特征选择 D. 数据预处理 答案: B 哪个 PyTorch 模块包含预定义的损失函数？ A. torch.optim B. torch.nn.functional C. torch.loss D. torch.nn答案: D 在神经网络中，哪个参数决定了模型的复杂度？ A. 学习率 B. 批次大小 C. 层数和节点数 D. 激活函数 答案: C 哪个 PyTorch 函数用于应用激活函数？ A. torch.relu() B. torch.activation() C. torch.nn.functional.relu() D. torch.apply_activation()答案: C 什么是反向传播？ A. 从输出层到输入层的计算过程 B. 一种优化算法 C. 用于计算梯度的过程 D. 用于更新权重的过程 答案: C 在 PyTorch 中，如何进行模型评估？ A. 使用 model.train() B. 使用 model.evaluate() C. 使用 model.eval() D. 使用 torch.evaluate()答案: C 简答题： 1、请解释前向传播和反向传播的区别。 答案: 前向传播是从输入层到输出层的计算过程，用于得到模型输出。反向传播是从输出层到输入层的过程，用于计算并更新模型的梯度。 2、请解释什么是过拟合和欠拟合。 答案: 过拟合是模型在训练数据上表现很好，但在未见过的数据上表现差的现象。欠拟合是模型在训练数据和测试数据上都表现不佳的现象。 3、如何在 PyTorch 中进行模型的保存和加载？ 答案: 在 PyTorch 中，可以使用 torch.save() 函数来保存模型，使用 torch.load() 函数来加载模型。 |
说点什么...