一、单选题

1、根据2020年 Kaplan 等人的 Tranformer “Scaling Laws”，若在给定计算预算下想最小化语言模型的训练损失，应当 {{ select(1) }}

• 同时按近似幂律比例增大模型参数数，训练token数和训练步数
• 增大词向量维度（Embedding Dimension）
• 增大模型参数数量（Model Size）
• 增大批大小（Batch Size）

2、设 S=R 为实对称矩阵，下列每项说法与“S正交对角化”等价？ {{ select(2) }}

• S 满足 S=1
• S 的特征向量可以组成一组正交基
• S 不可约
• S 的所有特征值都是正数

3、假设输入图片的维度是 224×224×3，卷积神经网络的第一层中有5个卷积核，每个卷积核尺寸为7×7，具有1填充且步骤为1，并给出样例的输出的速度是多少 {{ select(3) }}

• 218×218×5
• 218×218×3
• 220×220×5
• 220×220×3

4、已知函数 $f(x)=x^2$ ，用中心差分公式 ，取步长 h=0.1 ，计算 f‘(1) 数值结果为 {{ select(4) }}

• 1.8
• 2.0
• 2.4
• 2.2

5、给定数据：x=[1,2,3],y=[1,4,9]。用最小二乘法拟合直线 y=a+bx，则系数b为？ {{ select(5) }}

• 2.5
• 3.5
• 4.0
• 3.0