2024年智能计算平台应用开发1+X证书中级考试（含答案解析）.docxVIP

2024年智能计算平台应用开发1+X证书中级考试（含答案解析）

第一部分：单项选择题（共20题，每题1分）

1、TensorFlow默认计算图模式是？

A.动态图

B.静态图

C.混合图

D.无图

答案：B

解析：TensorFlow1.x版本默认使用静态图模式，需预先定义计算图再执行；2.x版本默认动态图。动态图为PyTorch等框架特性（A错误），混合图非默认模式（C错误），无图模式不存在（D错误）。

2、数据预处理中独热编码用于？

A.数值标准化

B.文本分词

C.类别特征处理

D.缺失值填充

答案：C

解析：独热编码通过二进制向量表示类别变量，专门处理类别特征（如性别“男/女”）。数值标准化对应归一化（A错误），文本分词是NLP预处理（B错误），缺失值填充需插值或删除（D错误）。

3、卷积神经网络（CNN）核心结构是？

A.全连接层

B.卷积层

C.循环层

D.注意力层

答案：B

解析：CNN通过卷积层提取局部特征（如图像边缘），是其核心。全连接层用于特征整合（A错误），循环层是RNN核心（C错误），注意力层常见于Transformer（D错误）。

4、模型过拟合时应优先调整？

A.增加训练数据

B.增大学习率

C.减少正则化系数

D.增加网络层数

答案：A

解析：过拟合因模型对训练数据过度学习，增加数据可提升泛化能力。增大学习率可能导致震荡（B错误），减少正则化会加剧过拟合（C错误），增加层数会提高复杂度（D错误）。

5、PyTorch中张量默认设备是？

A.CPU

B.GPU

C.TPU

D.NPU

答案：A

解析：PyTorch张量默认在CPU上创建，需通过.cuda()或.to(device)迁移至GPU。GPU需显式声明（B错误），TPU、NPU为特定硬件（C、D错误）。

6、损失函数交叉熵适用于？

A.回归任务

B.二分类任务

C.聚类任务

D.降维任务

答案：B

解析：交叉熵衡量预测概率与真实标签的差异，常用于分类（如二分类、多分类）。回归用均方误差（A错误），聚类用轮廓系数（C错误），降维用重构误差（D错误）。

7、分布式训练数据并行指？

A.模型拆分到多设备

B.数据拆分到多设备

C.梯度分散计算

D.参数集中存储

答案：B

解析：数据并行将相同模型复制到多设备，各设备处理不同数据分片，是最常用分布式策略。模型拆分是模型并行（A错误），梯度分散计算为实现方式（C错误），参数集中存储非定义（D错误）。

8、Docker容器核心特性是？

A.硬件虚拟化

B.资源隔离

C.跨语言开发

D.自动部署

答案：B

解析：Docker通过命名空间和cgroup实现进程级资源隔离，轻量高效。硬件虚拟化是虚拟机特性（A错误），跨语言开发需依赖环境（C错误），自动部署是CI/CD功能（D错误）。

9、边缘计算主要优势是？

A.降低延迟

B.提升算力

C.简化模型

D.减少存储

答案：A

解析：边缘计算在设备或近端服务器处理数据，避免云端传输延迟，适用于实时场景（如自动驾驶）。提升算力需硬件支持（B错误），简化模型是优化手段（C错误），减少存储非核心优势（D错误）。

10、API设计中RESTful核心是？

A.面向对象

B.资源定位

C.状态保持

D.多协议支持

答案：B

解析：RESTful通过URL定位资源（如/users/123），用HTTP方法（GET/POST）操作资源。面向对象是编程范式（A错误），无状态是设计原则（C错误），多协议非核心（D错误）。

11、模型评估指标F1值是？

A.精确率与召回率调和平均

B.准确率与损失值乘积

C.真阳性与假阳性比值

D.预测正确数占总数比例

答案：A

解析：F1=2(精确率召回率)/(精确率+召回率)，平衡分类模型的查准与查全能力。准确率是正确数占比（D错误），真阳性/假阳性是FPR（C错误），B无定义（B错误）。

12、数据增强常用操作是？

A.特征选择

B.图像旋转

C.缺失值填充

D.类别平衡

答案：B

解析：数据增强通过旋转、翻转、裁剪等操作扩充训练数据（如图像分类）。特征选择是筛选重要特征（A错误），缺失值填充是预处理（C错误），类别平衡用采样方法（D错误）。

13、优化器Adam结合了？

A.SGD与动量

B.RMSprop与动量

C.Adagrad与SGD

D.Adadelta与动量

答案：B

解析：Adam同时使用动量（保持梯度方向）和RMSprop（自适应学习率），动态调整参数更新。SGD仅梯度下降（A错误），Adagrad基于历史梯度平方和（C错误），Adadelta无动量（D错误）。

14、ONNX格式主要用于？

A.模型训练加速

B.模型跨框架转换

C.数据存储压缩

D.算法可视化

答案：B

解析：ONNX（开放神经网络交换格式）支持不同框架（如