1.下列关于神经网络训练，错误说法是（）。
A.激活函数的选择不会影响网络训练的结果
B.我们经常会使用Xavier初始化方法初始化网络权重
C.batch size太小，训练loss震荡可能会比较大
D.Adam是一种常用的优化算法
2.下面可以增大感知野的方法（） （正确答案个数：2个）
A. 增大卷积核 B.池化层 C.增大stride D.增加卷积层神经元个数
3. 可以提升神经网络训练效果方法包括（）。（正确答案个数：4个）
A.增加样本数据量
B.提取更有代表性的特征参与训练
C.模型融合
D.添加正则化项和dropout
E.增加学习步长
F.选择梯度较小的激活函数
4.下列哪一项在神经网络中引入了非线性？
A.随机梯度下降
B.修正线性单元（ReLU）
C.卷积函数
D.其他都不正确
5.假设你需要调整参数来最小代价函数(cost function)，可以使用下列哪项技术？（正确答案个数：3个）
A.固定权重
B.随机搜索
C.Bayesian优化
D.网格搜索
E.增加参数个数
6.关于数据预处理说法错误的是（）
A.去均值是把输入数据各个维度都中心化到0
B.归一化是把输入数据各维度幅度归一化到同样的范围
C.PCA是一种降维的处理方式
D.白化是把数据的各个维度都中心化到0
7.关于卷积网络卷积层，描述错误的是（）
A.有参数共享特性
B.特征图depth(深度）指的是卷积层的神经元个数
C.stride(步长）是指的滑窗每次滑动的距离
D.zero-padding都是在数据周边补充1圈0
8.下列关于典型的神经网络，描述错误的是（）
A.AlexNet是典型的conv-pooling-fc结构的网络
B.VGG网络中没有全连接层
C.GooLeNet有不同粒度信息拼接的inception module
D.ResNet碰巧地引入求和操作，缓解梯度弥散问题
9.下列说法正确的有（）（正确答案的个数：2个）
A. batch size太大，loss随迭代轮次会震荡
B.学习率太高，模型可能收敛不到很好的精度
C.ResNet没有全连接层，所以参数量相对较小
D.DenseNet采用的信息捕捉方式是相同层次的feature拼接
10.下列关于损失函数描述错误的是（）
A.损失函数可以刻画预估结果与真实结果的差异程度
B.hinge loss和cross-entropy loss都是常用的分类损失函数
C.损失函数值越大，表明相应数据集上预估的表现越好
D.损失函数值越小，表明相应数据集上预估的表现越好
11.梯度下降算法包括一下步骤，正确的执行顺序应该是（）。1.计算预测值和真实值之间的误差 2.重复迭代，直至得到网络权重的最佳值 3.把输入传入网络，得到输出值 4.用随机值初始化权重和偏差 5.对每一个产生误差的神经元，调整相应的（权重）值以减小误差（）
A.1,2,3,4,5
B.5,4,3,2,1
C.3,2,1,5,4
D.4,3,1,5,2
12.下列哪个神经网络结构会发生权重共享？（正确答案个数：2个）
A.卷积神经网络
B.全连接神经网络
C.BP神经网络
D.循环神经网络
13.下列哪项关于模型能力（model capacity,指神经网络模型拟合复杂函数的能力）的描述正确的是（）。
A.隐藏层层数增加，模型能力增加
B.Dropout的比例，模型能力增加
C.学习率增加，模型能力增加
D.其他都不正确
14. （）不属于计算机视觉中对图像描述的特征算子。
A.HOG
B.SIFT
C.SURF
D.MFCC
15.关于图像数据驱动的方法描述错误的是（）
A.是基于大量数据学习总结规律模式的方法
B.需要人工总结大量规律
C.是计算机法在数据上总结模式规律的方法
D.比人工规则有更广的适用场景
