1-3 解析常見的機器學習技術 (2) 發佈留言 / 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. 深度學習模型的損失函數(Loss Function)的作用是？ 評估模型表現 儲存模型參數 簡化模型結構 加速模型訓練 None 2. 長短期記憶網路(LSTM)的主要特點是？ 快速處理圖像 生成新的資料 壓縮資料大小 記憶長期依賴關係 None 3. 在處理自然語言時，WordPiece分詞算法的主要優勢是？ 能處理未知詞 提高準確率 節省存儲空間 處理速度快 None 4. 在深度學習中，為什麼要使用殘差連接(Residual Connection)？ 緩解梯度消失 減少參數數量 加快訓練速度 提高模型容量 None 5. 神經網路中的權重(weight)主要作用是？ 加快運算速度 調整特徵重要性 減少記憶體使用 簡化模型結構 None 6. 以下哪種網路結構最適合處理時序資料？ CNN LSTM DNN GAN None 7. Keras的主要功能是什麼？ 提供資料視覺化 提供資料預處理 提供高階的深度學習API 提供硬體加速 None 8. LSTM網路中的遺忘門(forget gate)的主要功能是？ 決定輸出什麼資訊 決定丟棄什麼資訊 決定更新什麼資訊 決定儲存什麼資訊 None 9. TensorFlow服務(TensorFlow Serving)的主要用途是？ 設計模型 測試模型 訓練模型 部署模型 None 10. 以下哪種情況最適合使用遷移學習？ 計算資源充足 目標領域數據稀少 有大量標記數據 目標任務與源任務完全不同 None 11. 以下哪個不是深度學習常見的優化目標？ 降低誤差 減少代碼量 提高準確率 最小化損失 None 12. 在卷積神經網絡中，1x1卷積的主要作用是？ 調整特徵通道數 增加感受野 提取空間特徵 減少計算量 None 13. CycleGAN與普通GAN的主要區別在於？ 使用更多判別器 使用循環一致性損失 生成質量更高 訓練更穩定 None 14. 以下哪個不是深度學習常見的模型評估方法？ 隨機分割 留一驗證 交叉驗證 連續測試 None 15. 人工神經網路中的基本運算單位稱為？ 運算元 處理器 節點 伺服器 None 16. 深度學習中的蒸餾(Distillation)技術主要用於？ 將大模型知識轉移到小模型 減少數據需求 提高模型準確率 加快訓練速度 None 17. 在深度強化學習中，策略梯度(Policy Gradient)方法的主要特點是？ 只能處理離散動作 訓練穩定性高 直接優化策略函數 需要完整的狀態空間 None 18. 以下哪個不是深度學習常見的模型保存格式？ Checkpoint CSV HDF5 SavedModel None 19. 在對抗訓練中，為什麼要使用FGSM(Fast Gradient Sign Method)？ 生成對抗樣本 減少記憶體使用 提高訓練速度 防止過擬合 None 20. 在深度學習中，為什麼要使用梯度累積(Gradient Accumulation)？ 提高模型準確率 加快訓練速度 擴大有效批次大小 減少內存使用 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
