A.模型精度越来越高B.模型推理速度降低C.模型推理速度加快D.模型精度不在提高用同一种方法，无限的对数据增强……

单项选择题数据增强的目的，描述错误的是（）

A.增加样本数据量
B.增加样本多样性
C.提高模型推理速度
D.提高模型泛化能力

单项选择题自监督学习的优势描述错误的是（）

A.降低训练数据量
B.加快推理速度
C.提高精度
D.加快任务收敛速度

单项选择题自监督学习的主要目的是（）

A.提高数据质量
B.提高模型对数据自身特征的理解能力
C.提高模型的推理速度
D.提高模型的收敛速度

单项选择题下面对自监督学习描述正确的是（）

A.自监督的样本数据是无标签的
B.自监督的样本数据是有标签的
C.自监督学习过程只有前向推理过程
D.自监督学习过程只有后向计算过程

单项选择题在模型训练得时候，下面哪些情况可通过变小学习率来缓解（）

A.模型发散
B.模型前向计算很慢
C.训练数据损失曲线下降慢
D.测试数据损失曲线值变大

单项选择题在模型训练得时候，下面哪些情况可通过变大学习率来缓解（）

A.模型发散
B.模型前向计算很慢
C.训练数据损失曲线下降慢
D.测试数据损失曲线值变大

单项选择题对梯度暴涨描述错误的是（）

A.梯度暴涨的时候，输出结果迅速变大，直到输出Nan
B.网络层次太深，容易发生梯度暴涨
C.梯度暴涨的原因是网络在进行后向训练的时候，梯度突然变大，且越来越大导致
D.降低数据量，梯度暴涨问题就会得到缓解

单项选择题下列哪些情况可能会导致梯度暴涨（）

A.网络层次太深
B.使用了饱和性激活函数
C.学习率太小
D.使用了SGD优化器

单项选择题当前主流的人工智能模型深度神经网络在训练的时候，哪一步会修改网络的权重（）

A.数据预处理
B.前向计算
C.计算损失
D.后向计算

单项选择题当前主流的人工智能模型深度神经网络一次训练的步骤为（）

A.计算损失，前向计算，后向计算
B.后向计算，计算损失，前向计算
C.后向计算，前向计算，计算损失
D.前向计算，计算损失，后向计算

单项选择题使用预训练模型的优势描述错误的是（）

A.减小数据的使用量
B.加快模型的收敛
C.提高模型的泛化能力
D.加快模型推理速度

单项选择题下面哪些问题是在人工智能模型部署到边缘计算设备时不应该考虑的（）

A.边缘设备支持的网络结构
B.边缘设备的算力
C.边缘设备的工作环境
D.边缘设备上模型的泛化能力

单项选择题人工智能模型进行边缘端部署的优势描述错误的是（）

A.数据处理的实时性更高
B.可以不依赖网络，适合在一些无网络的环境
C.模型版本设计更方便
D.分摊计算，降低服务器的计算压力

单项选择题人工智能模型进行云端部署的优势描述错误的是（）

A.数据传输到模型延迟低
B.模型版本升级更方便
C.对客户端的算力要求更低
D.模型技术保密性更高

单项选择题边缘计算卡说明书上说模型推理性能峰值为8T，但实际部署后，发现模型性能只有不到512G，最可能的原因是（）

A.说明书上的峰值只量化后的值，而该模型并没有进行量化
B.计算卡坏了
C.模型有BUG
D.电源适配器功率不够