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在模型训练得时候，下面哪些……

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

单项选择题对人工智能模型进行量化的目的是（）

A.降低模型的参数量
B.提高模型的精度
C.加快模型在边缘计算设备上的推理速度
D.提高模型泛化能力

单项选择题迁移学习效果好的原因是（）

A.在具有知识先验的模型上继续训练
B.模型参数量大
C.模型结构得到了优化
D.数据量小

单项选择题下列场景不能使用反向传播算法的是（）

A.感知机
B.全连接神经网络
C.卷积神经网络
D.不可微分神经网络

单项选择题现代人工智能模型中深度神经网络主流训练方法是（）

A.牛顿法
B.凸优化
C.反向传播算法
D.高斯过程

单项选择题下列情况可能是学习率太大导致的是（）

A.模型收敛的太慢
B.模型无法收敛，并发散崩溃
C.模型迅速收敛到损失函数最小值
D.模型内部参数大部分变为0

单项选择题下列对学习率描述错误的是（）

A.学习率是超参数
B.学习率越大，模型收敛越快
C.学习率越小，模型收敛过程越平滑
D.学习率越大越好