📝 深度学习基础 章节测验
本章测验，共 5 题，通过分数线 60%
计分测验 · 通过线 60%
1. Transformer 相比 RNN 的核心优势是？
A参数量更少
B通过自注意力机制并行处理序列，解决长距离依赖问题
C训练数据需求更少
D只能处理固定长度输入
2. 卷积神经网络（CNN）中「卷积」操作的核心思想是？
A全连接所有像素
B用共享权重的滑动窗口提取局部特征
C随机丢弃神经元
D归一化像素值
3. 反向传播中梯度消失问题最常出现在哪种情况？
A网络层数很少时
B使用 ReLU 激活函数时
C深层网络使用 sigmoid/tanh 激活时
D批量大小太大时
4. Dropout 正则化技术的作用原理是？
A减少训练数据
B训练时随机失活部分神经元，防止过拟合
C增加网络层数
D加速推理
5. 深度学习和 LLM 之间最准确的关系描述是？
ALLM 不是深度学习模型
BLLM 是基于 Transformer 架构的深度学习模型
C深度学习只包含 CNN
D两者完全独立
🎉 本章节已完成！继续学习
下一章节LLM基础LLM基础导读-理解语言模型的工作原理
→