在自动驾驶技术中，AI 系统的 “感知层” 主要依赖的技术是

在自动驾驶技术中，AI 系统的 “感知层” 主要依赖的技术是

题目：在自动驾驶技术中，AI 系统的 “感知层” 主要依赖的技术是（）

A. 强化学/ 习 /（路径规划）

B. 计算机视觉（摄像头）、激光雷达（LiDAR）数据融合

C. 自然语言处理（语音交互）

D. 大数据分析（交通流量预测）

答案：B

解析：自动驾驶感知层的核心是 “感知环境”—— 通过摄像头（图像识别）、激光雷达（3D 点云建模）、毫米波雷达等设备，融合数据识别车辆、行人、交通灯等目标；A 是决策规划层技术，C 是交互层技术，D 是调度层技术，B 正确。

题目：下列关于 “模型微调（Fine-tuning）” 的说法，正确的是（）

A. 无需使用预训练模型，直接在任务数据上训练

B. 基于预训练模型（如 BERT、ResNet），在特定任务数据上少量调整参数

C. 会改变预训练模型的所有参数，重新学/ 习 /特征

D. 仅适用于自然语言处理任务，不适用于计算机视觉

答案：B

解析：微调是 “预训练 - 微调” 范式的核心步骤 —— 先在大规模通用数据上训练预训练模型（学/ 习 /通用特征），再在小规模特定任务数据上调整部分参数，适配任务需求；A 错误（依赖预训练模型），C 错误（仅调整部分参数），D 错误（适用于 NLP、CV 等多任务），B 正确。

题目：在 AI 硬件中，“GPU” 相比 “CPU” 更适合训练深度学/ 习 /模型的原因是（）

A. GPU 的主频更高，单线程计算速度更快

B. GPU 支持并行计算，可同时处理大量矩阵运算（深度学/ 习 /核心）

C. GPU 的存储容量更大，可存储更多训练数据

D. GPU 的功耗更低，适合长时间训练

答案：B

解析：深度学/ 习 /模型训练涉及大量矩阵乘法（如卷积运算、全连接层计算），GPU 具有大量并行计算单元（CUDA 核心），可同时处理多个计算任务，大幅提升训练速度；CPU 虽主频高，但并行能力弱；A、C、D 均不是 GPU 的核心优势，B 正确。