1-3 解析常見的機器學習技術 (2)作者: S學院 / 2025-02-13 1-3 解析常見的機器學習技術 (2)模擬測驗，採智能選題，無限次反覆練習。 1. 深度學習網路中的隱藏層主要功能是什麼？ 收集外部資料 單純傳遞資料 在不同層級處理資訊 儲存最終結果 None 2. TensorFlow是由哪家公司開發的深度學習框架？ Microsoft Facebook Google Amazon None 3. TensorFlow支援哪種類型的執行環境？ 只支援TPU 只支援GPU 支援多種硬體平台 只支援CPU None 4. 以下哪項不是卷積神經網路(CNN)的主要應用？ 時間序列預測 影像分類 圖像識別 物體檢測 None 5. 以下哪個不是深度學習模型常見的優化器(Optimizer)？ RMSprop Adam Quick Sort SGD None 6. 以下哪種深度學習模型最適合用於生成新的圖像？ GAN RNN CNN DNN None 7. 深度學習中的批次大小(batch size)會影響？ 只影響內存使用 訓練效率和內存使用 不影響訓練過程 只影響訓練速度 None 8. TensorFlow服務(TensorFlow Serving)的主要用途是？ 部署模型 設計模型 測試模型 訓練模型 None 9. TensorFlow Lite主要用於？ 移動設備 雲端運算 超級電腦 大規模伺服器 None 10. 以下哪個不是深度學習模型常見的正則化方法？ 隨機初始化 L1正則化 Dropout L2正則化 None 11. 在神經網路中使用ReLU激活函數的主要優勢是什麼？ 可以產生負值輸出 輸出值被限制在固定範圍內 避免梯度消失且計算簡單 具有平滑的導數 None 12. LSTM網路中的遺忘門(forget gate)的主要功能是？ 決定丟棄什麼資訊 決定儲存什麼資訊 決定輸出什麼資訊 決定更新什麼資訊 None 13. 在處理自然語言時，WordPiece分詞算法的主要優勢是？ 節省存儲空間 提高準確率 處理速度快 能處理未知詞 None 14. 在神經網路訓練中，採用學習率衰減的主要原因是？ 加快初期訓練 減少記憶體使用 在訓練後期微調參數 防止過擬合 None 15. Transformer中的位置編碼(Positional Encoding)的主要作用是？ 提供序列位置資訊 增加模型容量 加快訓練速度 減少參數數量 None 16. 在深度學習中，為什麼要使用殘差連接(Residual Connection)？ 緩解梯度消失 提高模型容量 加快訓練速度 減少參數數量 None 17. 深度學習中的多頭注意力機制(Multi-head Attention)的優勢是？ 降低內存使用 減少計算量 加快訓練速度 關注不同子空間 None 18. 在深度學習中，為什麼要使用Mixup數據增強？ 提高訓練速度 減少內存使用 增加訓練樣本 改善模型泛化 None 19. 深度學習中的權重衰減(Weight Decay)與L2正則化的區別是？ 完全相同 優化器更新方式不同 使用場景不同 計算方式不同 None 20. 深度學習中的權重剪枝(Weight Pruning)的主要目的是？ 增加模型準確率 提高訓練速度 改善模型泛化 減少模型參數量 None 如有問題可留言，謝謝您的寶貴意見！ 暱稱 電郵（提交獲得正確答案，可換題測驗完整題庫，新增題庫電郵通知） Time's up
