paddle深度学习高层API七日打卡营客观题答案全集
学会使用必备开源社区、官方文档获取帮助~
- 机器学习,深度学习,人工智能 三个概念的关系是?
20分
A.1>2>3
B.1<2<3
C.2<1<3
D.1=2=3
C
二. 多选题(共1题,共20分)
- 使用飞桨的建模程序包括哪几个部分?
20分
A.数据处理
B.模型设置
C.训练配置
D.训练过程
E.保存模型
ABCE
三. 判断题(共3题,共60分)
- 我已经掌握了使用Github查找知识的方法?guides.github.com/activities/…
20分
A.对
B.错
A
- 此链接为开源社区Github中飞桨高层API板块?github.com/PaddlePaddl…
20分
A.对
B.错
A
- 我已经掌握了使用飞桨官方文档查找知识的方法?www.paddlepaddle.org.cn/documentati…
20分
A.对
B.错
A
第一节课后作业题
*1. 什么是人工智能、机器学习和深度学习?
10分
A.人工智能是方法,机器学习是路径,深度学习是实践
B.人工智能是目标,机器学习是人工智能实现的手段,深度学习是机器学习其中的一种方法
C.人工智能是前提,机器学习是实践,深度学习是机器学习之上的一种能力
B
-
- 深度学习任务实施的万能公式是哪个?
10分
- 深度学习任务实施的万能公式是哪个?
A.数据准备、问题定义、模型选择和开发、模型训练和调优、模型评估测试、部署上线
B.问题定义、数据准备、模型选择和开发、模型训练和调优、模型评估测试、部署上线
C.问题定义、模型选择和开发、数据准备、模型训练和调优、模型评估测试、部署上线
B
- model.prepare接口是用于做什么的?
10分
A.模型封装
B.模型训练
C.模型配置
D.模型预测
C
- paddle.Model接口是用于做什么的?
10分
A.模型封装
B.模型训练
C.模型配置
D.模型预测
A
- model.fit中哪个参数是用于指定训练日志展示格式的?
10分
A.train_data
B.epochs
C.batch_size
D.verbose
D
- model.predict接口是用于做什么的?
10分
A.模型封装
B.模型训练
C.模型配置
D.模型预测
D
二. 多选题(共2题,共40分)
- 深度学习中的基础概念包含哪几个?
20分
A.神经元
B.神经网络
C.前向计算
D.反向传播
ABCD
- 飞桨(PaddlePaddle)能用于做什么?
20分
A.机器学习算法实现
B.深度学习任务开发
C.大规模分布式训练
ABC
第二节课后作业题
- 今晚代码实践属于以下哪类任务?
10分
A.图像分割
B.图像分类
C.图像检测
D.图像生成
B
- 用摄像头对垃圾进行分类是图像分类任务吗?
10分
A.是
B.不是
A
- 猫狗识别属于以下哪种任务?
10分
A.多分类任务
B.单分类任务
B
4. paddle.nn.Conv2D接口是用来搭建卷积神经网络中的哪个部分?
10分
A.池化层
B.激活函数
C.卷积层
D.归一化层
C
- 卷积神经网络的开山鼻祖是哪个?
10分
A.ResNet
B.Inception V3
C.LeNet
D.VGG
C
- 经过15个[3, 3, 3]卷积核操作过后会得到多少通道的特征图?
10分
A.18
B.17
C.16
D.15
D
- ResNet中增加了一个什么特殊模块?
10分
A.差异模块
B.残差模块
C.残疾模块
B
二. 多选题(共3题,共30分)
- 有哪些问题会对用于提取特征的模型造成考验?
10分
A.视角变化
B.光照条件
C.背景干扰
D.遮挡
ABCD
- 池化层包含哪几种?
10分
A.平均池化
B.最大池化
AB
- 残差模块的意义包含哪些?
10分
A.防止梯度爆炸
B.防止梯度消失
AB
第三节课后作业题
一. 单选题(共4题,共60分)
- 一般情况下,回归任务的输出是离散值还是连续值?
15分
A.离散值
B.连续值
B
- 人脸关键点检测是分类任务还是回归任务?
15分
A.分类任务
B.回归任务
B
- 人脸关键点检测可以用哪个评估指标评估?
15分
A.NME
B.Accuracy
A
- 使用飞桨哪个API,可以组合数据预处理方法,依次对数据进行处理?
15分
A.paddle.io.Dataset
B.paddle.vision.transforms.Compose
C.paddle.vision.models.resnet50
D.paddle.vision.transforms.ToTensor
B
二. 多选题(共2题,共40分)
- 下列哪个损失函数可用于回归任务?
20分
A.L1Loss
B.L2Loss
C.SmoothL1Loss
D.CrossEntropyLoss
BCD
- 图像常见的数据预处理的方法有?
20分
A.Grayscale
B.Normalize
C.Resize
D.RandomCrop
ABCD
第四节课后作业题
一. 单选题(共8题,共80分)
- 在自然语言处理任务中,将字词、句子、篇章转换为id序列是必要步骤吗?
10分
A.是的
B.不是
A
- 在循环神经网络(RNN)里,处理句子里各个词时都会调用相同的网络单元吗?
10分
A.是的
B.不是
A
- 在循环神经网络(RNN)里,一般情况,句子里各个词是同时输入网络里,还是有序依次输入?
10分
A.同时输入
B.有序依次输入
B
- 交叉熵损失函数可以用于回归任务吗?
10分
A.可以
B.不可以
B
- 使用PaddleNLP哪个API,方便将数据统一成相同长度,组成批数据?
10分
A.paddlenlp.Dataset
B.paddlenlp.data.Tuple
C.paddlenlp.data.Pad
C
- 使用Paddle哪个API,能够对词向量做初始化?
10分
A.paddle.nn.embedding
B.paddle.nn.Linear
C.paddle.io.DataLoader
A
- 使用Paddle哪个API,能够对网络进行预测?
10分
A.model.fit
B.model.evaluate
C.model.predict
D.model.prepare
C
- paddle.nn.Linear的作用是?
10分
A.构建线性变换层
B.配置激活函数
C.配置损失函数
D.配置优化器
A
二. 多选题(共2题,共20分)
- 以下哪些场景涉及自然语言处理?
10分
A.对话机器人
B.垃圾邮件识别
C.智能写作
D.搜索引擎
ABCD
- 如果你的确学到了一两个知识点,欢迎通过各种方式支持我们。包括哪些方式呢?
10分
A.去GitHub上找到我们的作品https://github.com/paddlepaddle/paddle,star、star、star~~~
B.去GitHub上找到NLP板块https://github.com/PaddlePaddle/PaddleNLP,star、star、star~~~
C.在AI Studio上fork你喜欢的项目,疯狂实践。
D.认真做作业、弹幕、QQ群多多交流!
ABCD
第五节课后作业题
一. 单选题(共8题,共80分)
- paddlenlp.datasets类和paddle.io.Dataset的关系,下列哪种描述最恰当?
10分
A.毫无关系
B.paddlenlp.datasets继承自paddle.io.Dataset
B
- 在循环神经网络(RNN)里,处理句子里各个词时都会调用相同的网络单元吗?
10分
A.是的
B.不是
A
- 在循环神经网络(RNN)里,一般情况,句子里各个词是同时输入网络里,还是有序依次输入?
10分
A.同时输入
B.有序依次输入
B
- 使用Paddle哪个API,能够加载模型?
10分
A.model.load
B.model.download
A
- encoder-decoder只能解决输入序列和输出序列等长的问题吗?
10分
A.不是
B.是的
A
- 使用Paddle哪个API,能实现线性变换层?
10分
A.paddle.nn.embedding
B.paddle.nn.Linear
C.paddle.io.DataLoader
B
- 使用Paddle哪个API,能够对网络进行训练?
10分
A.model.fit
B.model.evaluate
C.model.predict
D.model.prepare
A
- 关于Attention机制,下列哪种说法是错误的?
10分
A.Attention机制是一系列注意力分配系数,也就是一系列权重参数。
B.Attention机制常用于encoder-decoder
C.Attention机制是一类优化器
C
二. 多选题(共2题,共20分)
- 以下哪些场景涉及文本生成?
10分
A.机器翻译
B.垃圾邮件识别
C.智能写作
D.搜索引擎
ACD
- 如果你的确学到了一两个知识点,欢迎通过各种方式支持我们。包括哪些方式呢?
10分
A.去GitHub上找到我们的作品https://github.com/paddlepaddle/paddle,star、star、star~~~
B.去GitHub上找到NLP板块https://github.com/PaddlePaddle/PaddleNLP,star、star、star~~~
C.在AI Studio上fork你喜欢的项目,疯狂实践。
D.认真做作业、弹幕、QQ群多多交流!
ABCD
以上结果已经经过测试,可以放心食用!