華為ICT大賽2024-2025中國區(qū)實踐賽（昇騰Al賽道）省決賽考試題庫及答案（供參考）

華為ICT大賽2024-2025中國區(qū)實踐賽(昇騰AI賽道)省決賽考試題庫及答案(供參考)6.以下哪個選項不是在自然語言處理發(fā)展過程中的方法?7.一副4位的圖形能夠區(qū)分多少種亮度變化?個4位的圖形意味著每個像素點可以用4位二進制數(shù)來表示其亮度。由于二進制數(shù)的每一位都可以是0或1,因此4位二進制數(shù)可以組合成2^4=16種不同的亮B、自變型個選項?()B、Tanh函數(shù)是關(guān)于0點對稱的的收斂速度，所以A選項錯誤。tanh函數(shù)是關(guān)于0點對因此B選項正確。Sigmoid函數(shù)雖然簡單易懂，但存在梯度消失正確答案是B。17.伽馬變化是()處理，直方圖均衡化是(),均值濾波是()處理。18.HIAIEngine-ASR前置靜音檢測的默認時間是?答案：B答案：A22.使用ModeIArts自動學習構(gòu)建圖像分類或物體檢測項目時，數(shù)據(jù)集不支持以下哪一圖片格式?()解析：在使用ModeIArts自動學習構(gòu)建圖像分類或物體檢測項目時，數(shù)據(jù)集支持常見的圖片格式，如PNG(PortableNetworkGraphicExpertsGroup)、BMP(Bitmap)等。然而，對于WebP格式(一種谷歌開發(fā)的旨在加快網(wǎng)絡傳輸和節(jié)省帶寬的圖像壓縮格式),可能由于格式特性或兼容性23.以下哪一項不屬于MindSpore全場景部署和協(xié)同的關(guān)鍵特性?A、統(tǒng)—模型R帶來一致性的部署體驗。端云協(xié)同F(xiàn)ederalMetaLearning打破端解析：這道題考察的是對MindSpore全場景部署和協(xié)同關(guān)鍵特性的理解。MindSpore作為一個全場景深度學習框架，其核心特性包括統(tǒng)一的模型部署體驗、端云協(xié)同的聯(lián)邦元學習、以及軟硬協(xié)同的圖優(yōu)同的圖優(yōu)化技術(shù)。而C選項，“數(shù)據(jù)+計算整圖到Ascend芯片”,并不直接體現(xiàn)MindSpore全場景部署和協(xié)同的關(guān)鍵特性，它更多關(guān)注的是數(shù)據(jù)處理和芯片優(yōu)化24.以下選項中，哪個選項的模型無法分割線性不可分數(shù)據(jù)集?在0和1之間，并且所有類別的輸出值之和為1。這使得Softmax函數(shù)非常適合式，我們可以看出，當x趨近于負無窮時，σ(x)趨近于0;當x趨近于正無窮時，σ(x)趨近于1。因此，Sigmoid函數(shù)的取值范圍是(0,1),選項B正確。32.一副4位的圖形能夠區(qū)分多少種亮度的變化?個4位的圖形意味著每個像素點可以用4位二進制數(shù)來表示其亮度。由于二進制數(shù)的每一位都可以是0或1,因此4位二進制數(shù)可以組合成2^4=16種不同的亮33.利用gensim實現(xiàn)Doc2Vec時，哪個參數(shù)代表選擇的具體模型?36.MindSpore提供了靈活的數(shù)據(jù)集加載方法，當用戶通過Python實現(xiàn)自定義數(shù)re中，為了實現(xiàn)自定義數(shù)據(jù)集的讀取，用戶需要定義一個Python類，并通過特定的接口進行數(shù)據(jù)加載。根據(jù)MindSpore的官方文檔和API設計，`GeneratorD37.John在使用MindSpore練續(xù)里的時候保存了一個ckpt格式的檢查點，然后他發(fā)現(xiàn)這種格式無法直接在昇騰310芯片上進行推型在昇騰310處理器完成推理，以下選項中哪種做法是正確的?A、使用MindSpore加載當前檢查點文件，然scendTensorCompiler)工具轉(zhuǎn)換為0M格式，即可在昇騰310處理器上進行推理。A、Tanh函數(shù)C、Softmax函數(shù)解析：這道題考察的是對五官特征檢測API返回的關(guān)鍵點坐標數(shù)量的了解。在人臉五官特征檢測中，API會返回代表五官輪廓位置的關(guān)鍵點坐標，這些坐標點稱為landmark點。根據(jù)目前的技術(shù)標準和API設計，通常支持68個landmark點，用于詳細描繪人臉五官的輪廓和特征。46.某個汽車公司的產(chǎn)品，A廠占40%,B廠占60%,A的次品率是1%,B的次品A、0.25品占比*A廠的次品率+B廠的產(chǎn)品占比*B廠的次品率)=(0.4*0.01)/(0.4*0.是()49.以下在深度學習全流程描述中關(guān)于數(shù)據(jù)集的補充，正確的是哪一項?在模型訓練中，需要遍歷(1)進行訓練，在訓練過程中，可以邊訓練，邊在(2)上進型，在(3)上評估效果。A、1.驗證集2.訓練集3.測試集B、1.測試集2.訓練集3.測試集C、1.訓練集2.測試集3.驗證集D、1.訓練集2.驗證集3.測試集解析：在深度學習全流程描述中，關(guān)于數(shù)據(jù)集的補充成后評估模型的最終性能。因此，正確的選項是D1.訓練集2.驗證集3.測試50.反向傳播算法的做法是：計算之后將其進行反向傳播。以下哪一的正確內(nèi)容?B、各個輸入樣本的平方差之和C、各個網(wǎng)絡權(quán)重的平方差之和解析：正確的內(nèi)容是“C.各個網(wǎng)絡權(quán)重的平方差之和”。反向傳播算法是一種用A、cv2.GaussianBlur(im,(5,5)52.在坐標變化時，計算得到的坐標數(shù)值不是整數(shù)，需要使用什么方素的值?A、插值C、量化53.華為深度學習框架MindSpore的亮點有?B、圖像識別與處理技術(shù)C、圖像生成與增強技術(shù)技術(shù)，虛擬助理能夠解析和處理用戶的語音輸入，進而55.常用的梅爾倒譜系數(shù)(Mel-FrequencyCepstralCoefficients)一般是一個多技術(shù)?本中的實體(如人名、地名、事物名稱等);屬性抽取用于識別實體的屬性(如62.反向傳播算法是深度學習神經(jīng)網(wǎng)絡中重要的算法，以是正確的?A、先反向傳播計算出誤差，再正向傳播計算梯度C、只有反向傳播計算梯度D的描述。A、一元線性回歸B、400:沒有操作權(quán)限C、每個隱藏層的單元數(shù)越多分類精度越高，但是也會帶來計算性能的下降，因度，選擇合適的隱藏層數(shù)量。綜上所述，選項D是錯誤的。68.“批量推理是對批量數(shù)據(jù)進行推理的批量作業(yè)，使用對模型進行訓練。”關(guān)于上述描述，以下哪操作之前都需要先對模型進行訓練。因此，正確答案是B,即該描述錯誤，推理69.Pytorch是有哪一個公司首先推出的?A、百度70.以下哪個選項不屬于語音識別預處理的步驟?B、增加隨機噪點C、去除標簽相同的重復音頻提高識別準確率。而B選項不屬于這個步驟，因此是正確。答案：C72.下列選項中昇騰310和昇騰910屬性相同的是?答案：B似性和差異性。1.分析選項A,最大功率：不同型號的處理器，由于設計、用途75.以下哪個不是Mindspore核心架構(gòu)的特點?B、自動調(diào)優(yōu)D、自動并行碼并不是MindSpore的核心架構(gòu)特點。C、優(yōu)化參數(shù)型訓練完成后的應用，不是梯度下降法的直接目的。因此，正確答案是C。77.在華為云EI中哪一項是面向開發(fā)者的一站式AI開發(fā)平臺，為機器學習與深度學習提供海量數(shù)據(jù)預處理及半自動化標注，大規(guī)模分布式Training自動化模期AI工作流?包括：*海量數(shù)據(jù)預處理及半自動化標注：這意味著開發(fā)者可以更容易地處理大的工作量。*大規(guī)模分布式Training:ModeIArts支持大規(guī)模分布式訓練，這意得訓練大規(guī)模模型成為可能。*自動化模型生成：這地生成模型，而無需手動進行復雜的建模過程。*端-邊-云模型按需部署能力：ModeIArts允許開發(fā)者根據(jù)需要將模型部署到不同的環(huán)境(如終端、邊緣或云端),解析：新版AndroidUI設計器默認的布局設計風格為ConstraintLayout,這是t、FrameLayout和RelativeLayout都是AndroidUI設計中常見的布局方式，但82.圖像中的目標對中心位置偏右了15個像素，可以使用下面哪種平移量的平移解析：根據(jù)題目描述，圖像中的目標相對中心位置偏右了15個像素。為了將其平移量為負值(即向左移動),考慮到題目要求使用選項中的數(shù)值進行平移，所以平移坐標應為(-15,0),即選項D。83.Tensorboard是什么()A、MXNet官方提供的深度學習可視化工具B、ModeIArts自研的可視化工具C、Python提供的可視化工具包D、TensorFlow官方提供的深度學習可視化工具B、layout優(yōu)化答案：B答案：BA、極大的降供了車輛生產(chǎn)成本，B、能夠讓特殊人群上路C、減少交通事故89.自然語言處理的應用場景不包括以下哪一個選項?A、輿情分析B、機器翻譯D、圖像識別不是NLP的應用場景。因此，選項D“圖像識別”不屬于自然語言處理的應用范93.我們通常說的720P的視頻格式，720代表什么D、深度圖優(yōu)化解析：這道題考察的是對MindSpore計算性能優(yōu)化措施的一個深度學習框架，為了提升計算性能，確實此，選項D不屬于MindSpore在提升計算性能方面所做的優(yōu)化內(nèi)容。97.關(guān)于循環(huán)神經(jīng)網(wǎng)絡以下說法錯誤的是?A、循環(huán)神經(jīng)網(wǎng)絡可以根據(jù)時間軸展開C、LSTM也是一種循環(huán)神經(jīng)網(wǎng)絡NN)確實可以根據(jù)時間軸展開，LSTM是循環(huán)神經(jīng)網(wǎng)絡的一種，專門設計來解決項A、C、D都是正確的。而選項B的說法“LSTM無法解決梯度消失的問題”是錯誤的，因為LSTM的主要改進之一就是引入了門控機制，正是為了解決梯度消98.(單選題)哪個MindSpore組件幫助實現(xiàn)“一次訓練，多處部署”?()解析：這道題考察的是對EI服務應用領(lǐng)域的理解。首先，從題干中我們可以了A選項“園區(qū)智能體”,通常用于園區(qū)的智能化管理，與網(wǎng)絡性能問題不直接相關(guān)。*B選項“交通智能體”,主要應用于交通領(lǐng)域的智能化，同樣與網(wǎng)絡性能問題不直接相關(guān)。*C選項“網(wǎng)絡智能體”,專注于網(wǎng)絡的智能化管理，包括性商公司面臨的網(wǎng)絡問題，最適用的EI服務是“網(wǎng)絡智能體”,因此答案是C。D、內(nèi)存復用提升模型訓練的精度。因此，選項B“二階優(yōu)化”是正確答案。102.將NumPy轉(zhuǎn)換為Tensr的方式是以下哪一種?111.用一個3*3的卷積核對一幅三通道彩色圖像進行卷積，要學習的參數(shù)的哪個數(shù)為?圖像中的對應像素相乘，然后將所有的乘積相加。對于一個3*3的卷積核，其卷積運算實際上是對一個3*3的窗口在圖像上進行滑動，因此需要學習的參數(shù)數(shù)量為窗口內(nèi)所有像素的乘積，即27個參數(shù)。因此，為A。112.我們可以利用以下哪種方法實現(xiàn)反向傳播?()A、計算圖C、代價函數(shù)層計算每對節(jié)點之間的輸出誤差，從而實現(xiàn)反向傳播。因此，選項B是正確的。A、內(nèi)嵌keras并不內(nèi)嵌Keras,Keras是另一個深度學習框架，通常與TensorFlow一起使用。因此，選項A是正確答案。因此，該選項不屬于MindRT子系統(tǒng)的功能特性。所以，正確答案是D。像?在題目所給的選項中，伽馬值可以選擇為0.5。這是因為，是C,即伽馬值為0.5。Authorization(身份驗證信息)型為分類模型，選項D是正確的。下使用，以下那個場景需要使用動態(tài)AIPP?因此需要動態(tài)地調(diào)整預處理參數(shù)，如YUV420和RGB等。在這種情況下，需要使根據(jù)靜態(tài)AIPP提供的預設參數(shù)進行處理。A、get_all為False時，會對所有揄入求導D、Grad0peration方法在梯度下降和反向傳播中沒有任何用處135.圖像處理任務中，數(shù)據(jù)集的真實標簽被稱為?解析：在圖像處理任務中，數(shù)據(jù)集的真實標簽通常被稱為GroundTruth,因為它代表了真實的數(shù)據(jù)和信息，是進行算法訓練和評估的重要參考。因此，選項C解析：這道題考察的是對Atlas300(3000)加速卡檢測命令的了解。在Linux系統(tǒng)中，`Ispci`命令用于列出所有PCI設備，`grep`命令用于搜索特定文本。對138.X=Tensor(np.array([[1,2],[3,4]]),32)在MindSpore中，D、創(chuàng)建ndarray解析：這道題考察的是對MindSpore框架中Tensor對象創(chuàng)建的理解。在MindSpore中，`Tensor`是用于表示多維數(shù)組的對象，類似于NumPy的`ndarray`。代ensor`對象，而不是修改其維度、創(chuàng)建`ndarray`或刪除`Te答案是B,表示這段代碼的作用是創(chuàng)建一個`Tensor`對象。注意，原答案C提到139.華為云EI提供RestfuIAPI,以下哪個選項是請求服務器返回指定資源的方法?A、GET解析：在使用RestfulAPI請求服務器返回指定資源時，通常使用HTTP方法中的GET方法。GET方法用于從服務器獲取資源，不對資源做任何修改，僅僅是請求數(shù)據(jù)。因此，在提供RestfulAPI服務時，以GET方法進行請求是獲得指定資源140.如果采樣頻率為f,幀數(shù)為a,則以下哪一項是聲音信號的長度?()A、/2f為D。從圖像中提取特征。因此，對于圖像分類問題，卷積神149.以下對于深度學習與人工神經(jīng)網(wǎng)絡的關(guān)系的描述，正確的是哪一項?學習。人工神經(jīng)網(wǎng)絡(ANN)是深度學習的核心組成部分，其中深度神經(jīng)網(wǎng)絡是度學習與ANN密切相關(guān)；D項錯誤，因為深度學習的模型除了ANN還包括其他模答案：D153.MindX包括多個組件，提供了集群調(diào)度、邊緣推理、應用快速開發(fā)等功能，其中哪個組件提供了開源模型下載功能?154.如果有100個卷積核，每個卷積核的大小是10x10,在不考慮偏置的情況下，以下哪一項是正確的參數(shù)量A、100答案：C求出()個對應關(guān)鍵點坐標，對圖像進行()變換，將文檔圖像修正。A、4,仿射D、3,仿射所以B并不符合題意。因此，最終答案是A。算法是一種基于概率的分類方法，而長短周期記憶網(wǎng)絡(LSTM)則列數(shù)據(jù)，如時間序列或文本數(shù)據(jù)。因此，選項C“卷積神經(jīng)網(wǎng)絡”是正確答案。162.快應用中用于繪制幾何圖形的組件是?來創(chuàng)建tensor(張量)。在TensorFlow2.0中，`zerosA、165.以下哪一項是代碼mox.file.exists('obs://bucket_name/test01')執(zhí)行//moxing-devg-modelarts/modelarts_11_0005B、人工神經(jīng)網(wǎng)絡是從微觀結(jié)構(gòu)和功能上對人腦的抽象、簡化，是模擬人類智能C、人工神經(jīng)網(wǎng)絡反映了人腦功能的若干基本特征，如并行信息處理、學以便進行進一步的數(shù)據(jù)處理或分析。根據(jù)MindSpore的官方文檔和API,正確的函數(shù)是`asnumpy()`,它用于將Tensor對象轉(zhuǎn)換為NumPy數(shù)組。因此，選項DA、srcustomizationclien172.John是某公司的提示詞工程師，他在設計提示時，不需要考慮以下哪一項因素?A、提示詞長度B、任務的復雜度D、算力的消耗解析：在設計提示詞時，提示詞長度會影響表達的清晰和簡潔程度(任務的復雜度決定了提示詞需要提供的信息量和詳細程度(B選項);提示詞的準確性直接關(guān)系到能否有效引導和獲得準確的結(jié)果(C選項)。而算力的消耗通以，選項D是不需要考慮的因素，答案選D。177.ModeIArts預置模型的本質(zhì)是什么()C、強化學習一個任務中178.ModeIArts自動學習的使用流程是什么?部署上線，選項D正確。案是A。解析：樸素貝葉斯算法是一種基于貝葉斯定理和特征條時，特征之間不存在關(guān)系。因此，對于描述住房時使用的屬性(如住宅面積、戶型、裝修類型等),如果將它們作為樸素貝葉斯模型的特征來應用，可以假設這個cell特征長度為?檢測中。題目中提到“取20度為一個區(qū)間統(tǒng)計”,意味著360度被分成了18個區(qū)間(360/20=18)。但題目又指出“對稱的角度歸為一類”,即對稱的區(qū)間合并，那么18個區(qū)間將合并成9個(因為對稱的區(qū)間會合并成一個)。所以，這個cell的特征長度是9。185.以下哪個激活函數(shù)可以很好的解決梯度消失dLinearUnit)由于其非飽和性，在正數(shù)部分梯度恒為1,因此可以有效緩解梯度消失問題。而Sigmoid和Tanh函數(shù)在輸入值較大或較小時，梯度接近于0,容易導致梯度消失。softsign函數(shù)雖然形狀與Tanh相似，但其梯度消失問題并未得到很好的解決。因此，選擇C(Relu)作為答案。186.以下對超參數(shù)學習率的作用的描述，正確的是哪A、減少過擬合C、減少偏差解析：正確答案是B.控制參數(shù)更新速度。學習率是一個超參數(shù)，它控制了每次更新參數(shù)時更新的步長。如果學習率過大，參數(shù)可能會在最小值附近“震蕩”,測性和有限性(D選項正確),并且是一種離散性的隨機過程(C選項錯誤)。D、推理文件準備解析：在大模型部署過程中，通常會經(jīng)過以下流程：1.**模型轉(zhuǎn)換**:將訓A、輸出關(guān)于0點對稱D、導數(shù)最大值為1答案：ACD答案：ACD該請求，不要重試該請求401-在客戶端提供認證信息后，返回該狀態(tài)碼，表明服務端指出客戶端所提供的認證信息不正確或非法403-沒有權(quán)限404-資源不存在500-表明服務端能被請求訪問到，但是不能理解客戶的請求17.以下哪些應用屬于機器學習的監(jiān)督學習任務?A、專家系統(tǒng)B、手寫字符識別A、sigmoid,tanh,Softsign函數(shù)在訓練深度神經(jīng)網(wǎng)絡的過程中，都無法回避C、sigmoid函數(shù)單調(diào)連續(xù)，求導容易，輸出有界D、tanh函數(shù)關(guān)于原點對稱，均值更接近于0。的特點如下A選項，Sigmoid函數(shù)在中間區(qū)域單調(diào)遞減，但在接近0和1的兩端容易收斂。因此，A選項不正確。B選項，Sigmoid、Tanh和Softsign函數(shù)在訓練深度神經(jīng)網(wǎng)絡的過程中，都存在梯度21.使用token的認證方式訪問華為云EI服務需要提供以下哪些信息?A、子賬號名解析：Https:///qB、縮放D、CRF中需要對不同序列的結(jié)果進行概率歸一化。D、概率密度函數(shù)在正負無窮的積分為141.在利用MindStudio連接Device進行應用開發(fā)時，Device的芯片層包含的功解析：在MindStudio中，當連接到Device進行應用開發(fā)時，Device的芯片層常用于定義和管理復雜的工作流程；B選項的“GE”(通用執(zhí)行環(huán)境)是運行應42.圖引擎服務(GraphEngineservice)是針對以“關(guān)系”為基礎的“圖”結(jié)構(gòu)數(shù)據(jù)，進行一體化查詢、分析的服務。下列哪幾項是B、簡單易用D、高性能43.以下哪些選項屬于華為云EI的相關(guān)服務()B、EI智能體44.人工智能現(xiàn)在的技術(shù)應用方向主要有?A、自然語言處理B、ReLU函數(shù)A、更安全的數(shù)據(jù)共享是AI技術(shù)更好發(fā)展的基石之一。解析：為了促進AI技術(shù)的發(fā)展，需要完善的基礎數(shù)據(jù)服務產(chǎn)業(yè)，包括更安全的47.以下哪幾項屬于MindSpore中與nn(神經(jīng)網(wǎng)絡)相關(guān)算子?激活函數(shù)，用于神經(jīng)網(wǎng)絡中的非線性變換。因此，它們都與nn相關(guān)。而Mul是乘法算子，雖然可能在神經(jīng)網(wǎng)絡中用到，但它本身不屬于nn特有的算子范疇。48.以下屬于文本分析的具體內(nèi)容的是?()A、文本歸一化B、語音合成是誤寫或虛構(gòu)。因此，正確選項是B和C。共享主要出現(xiàn)在卷積神經(jīng)網(wǎng)絡(CNN)中，它通過共享卷積核的權(quán)重來減少參數(shù)數(shù)量，提高計算效率。循環(huán)神經(jīng)網(wǎng)絡(RNN)和全連接神經(jīng)網(wǎng)絡(FCN)并不具備這一特性，它們的權(quán)重是獨立設置的。感知器(Perceptron)作為最簡單的神經(jīng)網(wǎng)絡模型，同樣不涉及權(quán)重共享。因此，正確答案是A,即卷積神經(jīng)網(wǎng)絡會發(fā)生52.以下哪些屬于AI訓練和推理框架?于訓練模型和執(zhí)行模型推理。常見的AI訓練和推理框架包括因此不包含在AI訓練和推理框架之內(nèi)。因此，答案為ACD,即MindSpore、Pytorch和TensorFlow屬于AI訓練和推理框架。53.關(guān)于L1正則化與L2正則化，以下哪項表是正確的?B、L1,L2正則項不能作用在損失函數(shù)之上解析：這道題考察的是對L1和L2正則化的理解。L1正則化通過引入模型參數(shù)使用梯度下降算法迭代參數(shù)值。因此，選項A正確。D、以上都不是果最好55.以下關(guān)于lindSpore自動并行關(guān)鍵技術(shù)的描述中，哪些選項是正確的?C、mindSpore可以應對超大規(guī)模模型實現(xiàn)高效分布式訓練的挑戰(zhàn)MindSpore的這些特性。選項B錯誤，因為MindSpore不僅支持手動模型并行，56.ModeIArts中自動學習功能不需要代碼編寫和模型開發(fā)屬于ModeIArts中自動學習的功能?D、自動調(diào)參E自動壓縮景60.圖像的目標檢測算法需要完成()?(多選)61.馬爾科夫鏈是自然語言常用的算法，馬爾科夫鏈的性質(zhì)包括?()解析：馬爾科夫鏈描述了一種狀態(tài)序列，其每個狀態(tài)值取決于前面有限個狀態(tài)。馬爾可夫鏈是具有馬爾可夫性質(zhì)的隨機變量的一個數(shù)列。這些變量的范圍，即它們所有可能取值的集合被稱為狀態(tài)空間。具有正定性和有限性。正定性：狀態(tài)轉(zhuǎn)移矩陣中每一個元素被稱為狀態(tài)轉(zhuǎn)移概率，由概率論知識可知，每個狀態(tài)轉(zhuǎn)移概率皆為正數(shù)；有限性：轉(zhuǎn)移矩陣中的每一行相加皆為1.62.下列哪些是關(guān)鍵詞提取的方法?()解析：TF-IDF,TextRank,主題模型算法(LSA、LSI、LDA),HMM隱馬爾可夫模型一般用于生成序列，例如語音識別、詞性標注、分詞63.在某些應用場景中(比如推薦系統(tǒng)、分子動力學、圖神經(jīng)網(wǎng)絡等),數(shù)據(jù)的B、MindSpre現(xiàn)在已經(jīng)支持最常用的CSR和C兩種稀疏數(shù)據(jù)格式C、MindSpre常用稀疏張量的表達形式是&It;indices:Tensr,values:Tensr,shlumn)是兩種常用的稀疏數(shù)據(jù)格式，MindSpore支持這兩種格式，那么B選項描述正確。C選項錯誤，在稀疏張量的64.在深度學習任務中，遇到數(shù)據(jù)不平衡問題時，我們可解訣?A、批量刪除66.華為云人臉識別服務，是基于人的臉部特征信息，利用計算機對人臉圖像進務。該服務提供了多種子服務，包括人臉搜索(A)、人臉跟蹤(B)、人臉檢測(C)和人臉比對(D)。人臉檢測是進行人臉識別服務的基礎，它能夠自動識別頁)分辨率)69.從技術(shù)架構(gòu)來看AI芯片的分類包括?A、FPGA是從大量數(shù)據(jù)中提取出有用信息和模式的過程，與AI緊密相關(guān)。人機交互研究78.TensorF1ow2.0中可以用來查看是否是tensor的方法有?C、istensor解析：在TensorFlow2.0中，可以使用`dtype`、`isinstance`和`is_tensor`這三個方法來查看是否是tensor。其中，`dtype`可以用來獲取tensor的數(shù)據(jù)類型，`isinstance`可以用來檢查對象是否屬于特定的類型(在這個情況下，就否是Tensor。C、無人駕駛D、智能機器人C、Borel單元架95.以下哪些選項是TensorFlow2.0中的Keras接口C、升騰910B、K-Means中的K110.華為快應用IDE的功能包括哪些?()其中Atlas300型號的價格為9000,Atlas800型號的價格介于78,668至9,529處理計算密集和易于并行的程序，如圖像渲染，這使得D選項也是正確的。而A123.John想要使用華為云ModeIArts開發(fā)下哪一種方式登錄0BSBrowser+?()K方式登錄、帳號登錄以及授權(quán)碼登錄方式其中，service-endpoint項?D、有界的函數(shù)已經(jīng)被證明在某些情況下泛化效果更好化效果更好127.以下哪些選項是決策樹用于劃分節(jié)點C、信息嫡包括Gini系數(shù)和信息嫡，它們用于衡量數(shù)據(jù)分布的不純度，幫助選擇最佳劃分當前模型輸出的誤差，指導訓練過程。而構(gòu)建共現(xiàn)矩陣是Word2Vec的預處理步項(也稱為L1范數(shù))和L2正則項(也稱為L2范數(shù)或權(quán)重衰減)是兩種常用的D、使用Dropout方法Tensr操作解析：A選項正確，神經(jīng)網(wǎng)絡模型通常由多個神經(jīng)網(wǎng)絡層組合，并通過Tensord函數(shù)并非在所有繼承類中都必須重寫。D選項輯。綜上所述，正確答案是AC。A、是二分類函數(shù)sigmoid的推廣B、softmax函數(shù)又稱作歸一化指數(shù)函教C、Softmax回歸模型是解決二分類回歸問題的算法D、softmax函數(shù)經(jīng)常與交叉嫡損失函數(shù)聯(lián)合使用輸出值之和為1,因此也被稱為歸一化指數(shù)函數(shù)，B正確。Softmax回歸模型是135.自然語言領(lǐng)域處理文本時，句法分析的主要任務是什么?試題。但是根據(jù)圖像處理的一般流程和常見應用，可以得出以上。137.神經(jīng)網(wǎng)絡訓練過程中，可能出現(xiàn)梯度爆炸的現(xiàn)象有以下B、模型權(quán)重變?yōu)镹aN值C、每個節(jié)點和層的誤差梯度值持續(xù)超過1.0爆炸的現(xiàn)象，符合題意。B選項“模型權(quán)重變?yōu)镹aN值”通常是由數(shù)值計算中的差梯度值持續(xù)超過1.0”并不直接表示梯度爆炸，因為梯度值的大小本身取決于138.自然語言領(lǐng)域處理文本時，句法分析的主要任務是什么?B、句法結(jié)構(gòu)分析143.2018年10月10日，華為發(fā)布了全場景AI解決方案，華為的全棧方案具體包括()C、應用使能解析：芯片算子庫和高度自動化算子開發(fā)工具——CANN;支持端、邊、云獨立的和協(xié)同的統(tǒng)一訓練和推理框架——MindSpoert:BERT(BidirectionalEncoderRepresentationsfromTransformers)由AlexKrizhevsky等人在2012年提出，并在當年的ImageNet圖像識別競賽中括智能寫詩模型。通過MindSpore,可以構(gòu)建和訓練模型，并將其部署為預測服8.Bert網(wǎng)絡使用了Transformer結(jié)構(gòu)，拋棄了傳統(tǒng)的RNN和CNN結(jié)構(gòu)，11.ModeIArts平臺支持自動學習功能，意味著對任何復雜大型問題且對AI完全對AI完全不了解就可以上手操作并且訓練出很好的模型。自動學習功能需要一orFlow框架，用戶可以通過Anaconda的包管理器conda來安裝TensorFlow。16.線性回歸的損失函數(shù)中加入L1正則項，此時該回歸叫做Lasso回歸。稱為Lasso回歸(嶺回歸)解析：MindSpore確實允許通過繼承其基礎類(如nn.Cell),并重寫`_init_ult∩GroundTruth/Detect解析：Hue相位角表色相0-360;Saturation飽和度0-1,所選顏色的純度和該顏34.word2vec是google的一個開源工具，能夠根據(jù)輸入的詞的集合計算出詞與35.圖像任務中，我們收集圖片時往往使用0,1,2,3,4等來表示圖片的類別，36.MindSpore支持整圖卸載執(zhí)行，充分發(fā)揮昇騰大算力，支持Pipeline并行和42.參數(shù)懲罰只能使用在神經(jīng)網(wǎng)絡中用來防止過擬合解析：參數(shù)懲罰(例如L1或L2正則化)可以用于多種機器學習模型，不僅僅是n-gram模型中的窗口限制49.MindSpore異構(gòu)并行訓練方法是通過分析圖上算子內(nèi)存占用和計算密集度，將內(nèi)存消耗較小計算密集型算子切分到CP子圖，將內(nèi)存消耗巨大的算子切分到解析：將“MindSpore”修改為“MindSpore框架”。解析：Sobel算子能