1. 梯度下降法的正确步骤是什么？
   a.计算预测值和真实值之间的误差
   b.重复迭代，直至得到网络权重的最佳值
   c.把输入传入网络，得到输出值
   d.用随机值初始化权重和偏差
   e.对每一个产生误差的神经元，调整相应的（权重）值以减小误差
   A.abcde B.edcba C.cbaed D.dcaeb
2. 什么情况下神经网络模型被称为深度学习模型？
   A.加入更多层，使神经网络的深度增加 B.有维度更高的数据
   C.当这是一个图形识别的问题时 D.以上都不正确
3. 下面哪项操作能实现跟神经网络中Dropout的类似效果？
   A.Boosting B.Bagging C.Stacking D.Mapping
4. 下列哪一项在神经网络中引入了非线性？
   A.随机梯度下降 B.修正线性单元（ReLU） C.卷积函数 D.以上都不正确
5. 深度学习是当前很热门的机器学习算法，在深度学习中，涉及到大量的矩阵相乘，现在需要计算三个稠密矩阵 A, B, C 的乘积ABC,假设三个矩阵的尺寸分别为m∗n，n∗p，p∗q，且m < n < p < q，以下计算顺序效率最高的是（）
   A、(AB)C B、 AC(B) C、 A(BC) D、 所有效率都相同
   
6. 输入图片大小为200×200，依次经过一层卷积（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一层卷积（kernel size 3×3，padding 1，stride 1）之后，输出特征图大小为
   A、 95 B、 96 C、 97 D、 98
   
7. 神经网络模型（Neural Network）因受人类大脑的启发而得名,神经网络由许多神经元（Neuron）组成，每个神经元接受一个输入，对输入进行处理后给出一个输出。请问下列关于神经元的描述中，哪一项是正确的？
   A、 每个神经元可以有一个输入和一个输出
   B、 每个神经元可以有多个输入和一个输出
   C、 每个神经元可以有一个输入和多个输出
   D、 每个神经元可以有多个输入和多个输出
8. 如果我们用了一个过大的学习速率会发生什么？
   A、神经网络会收敛 B、不好说 C、都不对 D、神经网络不会收敛
9. 在一个神经网络中，下面哪种方法可以用来处理过拟合？
   A、Dropout B、分批归一化 C、正则化(regularization) D、都可以
10. 批规范化(Batch Normalization)的好处（）
    A、让每一层的输入的范围都大致固定 B、它将权重的归一化平均值和标准差
    C、它是一种非常有效的反向传播(BP)方法 D、这些均不是
11. 下列哪个神经网络结构会发生权重共享？
    A、卷积神经网络 B、循环神经网络C、全连接神经网络 D、选项A和B
12. 下列哪个函数不可以做激活函数？
    A、y = tanh(x) B、y = sin(x) C、y = max(x,0) D、y = 2x