人工智能工程技术人员四级中级工-计算机视觉产品实现 详细题库

计算及视觉的工程开发主流软硬件知识和评估方法 题目预览

• 第 1 题 单选题
  深度学习训练中，GPU相比CPU的主要优势在于其（ ）。
  • A. 高主频
  • B. 大缓存
  • C. 大量并行计算核心
  • D. 低功耗
  解析：GPU拥有数千个计算核心，能够同时处理大量并行任务，适合深度学习训练中的矩阵与卷积运算。
• 第 2 题 单选题
  专门为神经网络推理加速设计的硬件平台是（ ）。
  • A. GPU
  • B. NPU
  • C. FPGA
  • D. ASIC
  解析：NPU（神经网络处理器）针对神经网络计算进行了专用架构优化，在推理任务中能效比和吞吐量表现优异。
• 第 3 题 单选题
  用于处理计算机视觉中大规模图像并行计算的通用加速器是（ ）。
  • A. GPU
  • B. NPU
  • C. FPGA
  • D. ASIC
  解析：GPU凭借其强大的并行处理能力，成为图像处理和深度学习训练中最常用的通用加速硬件。
• 第 4 题 单选题
  在实时性要求高的计算机视觉场合，常选用（ ）硬件平台实现低延迟。
  • A. GPU
  • B. NPU
  • C. CPU
  • D. FPGA
  解析：FPGA可通过硬件流水线定制实现极低延迟，适合需要微秒级响应的实时视觉应用。
• 第 5 题 判断题
  GPU是计算机视觉训练阶段最常用的加速硬件。
  • A. 对
  • B. 错
  解析：GPU的并行架构和成熟生态使其成为深度学习训练的主流选择，广泛应用于计算机视觉模型训练。
• 第 6 题 判断题
  NPU只能用于推理，不能用于训练。
  • A. 对
  • B. 错
  解析：部分NPU（如华为昇腾）支持训练与推理，但多数NPU主要优化推理；并非所有NPU都完全禁止训练功能。
• 第 7 题 多选题
  以下关于GPU和NPU的描述中，正确的有（ ）。
  • A. GPU擅长并行浮点运算
  • B. NPU通常具有更高的能效比
  • C. GPU在推理阶段比NPU快
  • D. NPU支持动态张量形状
  • E. GPU生态更成熟
  解析：GPU浮点并行能力强，生态成熟；NPU专为神经网络设计，能效比高；推理阶段NPU通常更快，且动态形状支持因芯片而异，并非所有NPU都具备。
• 第 8 题 多选题
  关于FPGA在计算机视觉中的特点，正确的有（ ）。
  • A. 可重构
  • B. 低延迟
  • C. 功耗较低
  • D. 开发周期短
  • E. 适合大规模量产
  解析：FPGA可编程重构，流水线架构带来低延迟，功耗相对较低；但其开发周期长、成本高，且不适合大规模量产（量产多选用ASIC）。