AI算法笔试题模拟-工程与编程常识-2
2157 字约 7 分钟
2025-09-15
📘 模块五：工程与编程常识 扩展题（50题）
Python 编程（1–10）
Q1. 在 Python 中，with open("file.txt", "r") as f: 的作用是：
- A. 打开文件但不关闭
- B. 打开文件并在使用完自动关闭
- C. 只写文件
- D. 只读二进制
✅ 答案：B
Q2. Python 的 GIL (全局解释器锁) 的主要影响是：
- A. 限制多线程并行执行 Python 字节码
- B. 限制多进程执行
- C. 提高执行速度
- D. 防止内存泄漏
✅ 答案：A
Q3. 在 Python 中，生成器（generator）的优势是：
- A. 节省内存，惰性计算
- B. 提高精度
- C. 自动并行
- D. 增加模型容量
✅ 答案：A
Q4. 列表推导式 [x**2 for x in range(5)] 的输出是：
- A.
[0,1,2,3,4] - B.
[1,4,9,16,25] - C.
[0,1,4,9,16] - D.
[2,4,6,8,10]
✅ 答案：C
Q5. *args 和 **kwargs 的作用是：
- A.
*args接收位置参数，**kwargs接收关键字参数 - B.
*args接收关键字参数，**kwargs接收位置参数 - C. 二者相同
- D. 仅用于类
✅ 答案：A
Q6. deepcopy 和 shallow copy 的区别是：
- A. 前者只复制引用，后者复制所有层级对象
- B. 前者复制所有层级对象，后者只复制引用
- C. 二者相同
- D. 都不复制
✅ 答案：B
Q7. Python 的 dict 在 Python3.7+ 中：
- A. 无序
- B. 有序（保持插入顺序）
- C. 按键排序
- D. 按值排序
✅ 答案：B
Q8. enumerate(["a","b"]) 的结果是：
- A.
(0,"a"), (1,"b") - B.
("a",0), ("b",1) - C.
[0,"a","b"] - D. 报错
✅ 答案：A
Q9. Python 的垃圾回收主要依赖于：
- A. 手动释放
- B. 引用计数 + 循环检测
- C. 内存映射
- D. 内核调度
✅ 答案：B
Q10. NumPy 中矩阵点乘使用：
- A.
* - B.
@或np.dot() - C.
/ - D.
//
✅ 答案：B
C++ 编程与复杂度（11–20）
Q11. C++ 中 std::map 的底层实现是：
- A. 哈希表
- B. 红黑树
- C. 链表
- D. 二叉堆
✅ 答案：B
Q12. std::unordered_map 的查找复杂度通常是：
- A. O(1)
- B. O(log n)
- C. O(n)
- D. O(n log n)
✅ 答案：A
Q13. C++11 引入的智能指针 unique_ptr 的特点是：
- A. 可拷贝
- B. 独占所有权，不可拷贝
- C. 引用计数
- D. 循环引用
✅ 答案：B
Q14. C++11 中的 move 语义主要用于：
- A. 深拷贝对象
- B. 避免不必要的拷贝，提高效率
- C. 自动垃圾回收
- D. 并行计算
✅ 答案：B
Q15. STL 容器中，随机访问效率最高的是：
- A.
std::vector - B.
std::list - C.
std::deque - D.
std::set
✅ 答案：A
Q16. 堆排序的时间复杂度是：
- A. O(n)
- B. O(n log n)
- C. O(n²)
- D. O(log n)
✅ 答案：B
Q17. 二分查找的时间复杂度是：
- A. O(1)
- B. O(log n)
- C. O(n)
- D. O(n log n)
✅ 答案：B
Q18. 哈希表在最坏情况下的查找复杂度是：
- A. O(1)
- B. O(log n)
- C. O(n)
- D. O(n²)
✅ 答案：C
Q19. C++ 编译器优化中，内联函数的作用是：
- A. 增加代码大小，减少函数调用开销
- B. 减少代码大小，增加调用开销
- C. 提高内存使用
- D. 降低性能
✅ 答案：A
Q20. C++ RAII 的思想是：
- A. 手动释放资源
- B. 通过对象生命周期自动管理资源
- C. 不需要释放资源
- D. 强制垃圾回收
✅ 答案：B
工程实践（21–30）
Q21. 在深度学习中，Gradient Clipping 的作用是：
- A. 加快训练
- B. 防止梯度爆炸
- C. 减少内存占用
- D. 增加参数量
✅ 答案：B
Q22. Dropout 的本质作用是：
- A. 数据增强
- B. 模拟模型集成，防止过拟合
- C. 提高计算效率
- D. 替代 BatchNorm
✅ 答案：B
Q23. Early Stopping 的主要作用是：
- A. 防止过拟合
- B. 提高计算效率
- C. 增加模型容量
- D. 减少梯度消失
✅ 答案：A
Q24. Batch Size 增大通常会：
- A. 提高收敛稳定性，但泛化能力下降
- B. 提高泛化能力
- C. 降低显存使用
- D. 增加正则化
✅ 答案：A
Q25. Learning Rate Warmup 的主要作用是：
- A. 过拟合
- B. 在训练初期避免梯度不稳定
- C. 降低显存占用
- D. 提高推理速度
✅ 答案：B
Q26. 在分布式训练中，AllReduce 的作用是：
- A. 参数聚合
- B. 模型剪枝
- C. 模型蒸馏
- D. 数据增强
✅ 答案：A
Q27. 数据并行 (Data Parallel) 与模型并行 (Model Parallel) 的区别是：
- A. 前者分数据，后者分模型参数
- B. 前者分模型，后者分数据
- C. 二者相同
- D. 前者慢，后者快
✅ 答案：A
Q28. 在大规模数据训练中，最常见的数据加载优化是：
- A. 使用 GPU 加载
- B. 多进程 DataLoader + 预取
- C. 全部读入内存
- D. 使用 JSON 存储
✅ 答案：B
Q29. Mixed Precision 训练的核心技术是：
- A. 半精度 (FP16) + 损失缩放
- B. 双精度 (FP64)
- C. 整数运算
- D. 定点计算
✅ 答案：A
Q30. BatchNorm 在小 Batch 情况下的替代方法是：
- A. LayerNorm / GroupNorm
- B. Dropout
- C. ReLU
- D. Data Augmentation
✅ 答案：A
模型部署（31–40）
Q31. 模型量化的主要作用是：
- A. 提高训练速度
- B. 减小模型大小，提升推理效率
- C. 增加模型容量
- D. 防止过拟合
✅ 答案：B
Q32. 模型剪枝 (Pruning) 的核心思想是：
- A. 移除冗余参数或连接
- B. 增加层数
- C. 提高正则化
- D. 使用更大 Batch
✅ 答案：A
Q33. 知识蒸馏 (Knowledge Distillation) 中，学生模型的学习目标是：
- A. 直接拟合数据标签
- B. 拟合教师模型输出分布
- C. 提高训练速度
- D. 增加参数量
✅ 答案：B
Q34. ONNX 的优势是：
- A. 模型跨框架兼容与部署
- B. 仅支持 PyTorch
- C. 仅支持 TensorFlow
- D. 增加模型容量
✅ 答案：A
Q35. TensorRT 的优化不包括：
- A. 运算融合
- B. 精度校准
- C. 网络剪枝
- D. 自动混合精度
✅ 答案：C
Q36. 在边缘设备部署模型时，常见优化方法是：
- A. 模型压缩、量化、蒸馏
- B. 增加模型层数
- C. 使用双精度计算
- D. 使用大型 GPU
✅ 答案：A
Q37. Serving 系统中常用的 API 部署方式是：
- A. REST / gRPC
- B. FTP
- C. SSH
- D. SMTP
✅ 答案：A
Q38. Docker 在模型部署中的优势是：
- A. 模型精度更高
- B. 环境隔离与可移植性
- C. 增加 GPU 数量
- D. 降低显存占用
✅ 答案：B
Q39. Kubernetes 在 AI 部署中的主要作用是：
- A. 容器编排与弹性伸缩
- B. 增加模型层数
- C. 模型剪枝
- D. 数据增强
✅ 答案：A
Q40. 在推理优化中，常用的 batch 技术是：
- A. Micro-batching
- B. Gradient Accumulation
- C. Checkpointing
- D. Layer Freezing
✅ 答案：A
工程综合（41–50）
Q41. CI/CD 在 AI 工程中的主要作用是：
- A. 自动化训练
- B. 自动化测试与部署流水线
- C. 提高 GPU 利用率
- D. 增加模型参数
✅ 答案：B
Q42. Git 中，git rebase 的作用是：
- A. 合并分支并保持提交记录线性
- B. 删除分支
- C. 回滚提交
- D. 创建新分支
✅ 答案：A
Q43. 在大规模分布式训练中，常见的通信瓶颈是：
- A. I/O 延迟
- B. GPU 计算
- C. CPU 使用率
- D. 内存占用
✅ 答案：A
Q44. Checkpointing 的主要作用是：
- A. 保存模型状态，支持断点续训
- B. 减少参数
- C. 增加推理速度
- D. 模型压缩
✅ 答案：A
Q45. 模型推理延迟的常见优化不包括：
- A. 使用更快硬件
- B. 模型压缩
- C. 增加层数
- D. batch 优化
✅ 答案：C
Q46. 面向生产环境的日志系统需要具备：
- A. 可追踪、持久化、查询
- B. 提高训练速度
- C. 减少参数
- D. 增加模型容量
✅ 答案：A
Q47. 在 AI 工程中，A/B 测试的作用是：
- A. 比较不同模型或策略在真实环境下的表现
- B. 提高训练速度
- C. 增加数据量
- D. 减少显存
✅ 答案：A
Q48. 迁移学习在工程中的好处是：
- A. 在小数据集上快速得到较好效果
- B. 增加参数量
- C. 减少推理延迟
- D. 防止过拟合
✅ 答案：A
Q49. 大规模推荐系统中，常见的特征存储系统要求是：
- A. 高吞吐、低延迟、可扩展
- B. 增加模型层数
- C. 减少梯度爆炸
- D. 提高正则化
✅ 答案：A
Q50. 在工程实践中，常见的模型监控指标包括：
- A. 延迟、吞吐量、准确率
- B. 学习率、权重衰减
- C. 层数、参数量
- D. 文件大小
✅ 答案：A