iPAS 考題解析
VGG16 連題組第四題：在實務應用中，我們常使用遷移學習（transfer learning）技巧，即載入預訓練模型（如 VGG16），凍結部分層的參數，只針對特定任務重新訓練最後幾層，這種做法可節省訓練時間並提升模型效能。假設你要對 VGG16 進行遷移學習（transfer learning），希望凍結卷積層的參數，只訓練最後全連接層（classifier）。下列哪段程式碼寫法正確？
中級 機器學習技術與應用
難度：基礎 ☆☆☆ 114 年考題
題目與選項
VGG16 連題組第四題：在實務應用中，我們常使用遷移學習（transfer learning）技巧，即載入預訓練模型（如 VGG16），凍結部分層的參數，只針對特定任務重新訓練最後幾層，這種做法可節省訓練時間並提升模型效能。假設你要對 VGG16 進行遷移學習（transfer learning），希望凍結卷積層的參數，只訓練最後全連接層（classifier）。下列哪段程式碼寫法正確？
- A. for param in model.parameters(): param.requires_grad = False（凍結全部），再換 classifier[6]
- B. for param in model.features.parameters(): param.requires_grad = False（只凍結 features），再換 classifier[6] ✓ 正確答案
- C. for param in model.classifier.parameters(): param.requires_grad = False（凍結 classifier），再換 classifier[6]
- D. model.requires_grad = False（設定 model 屬性），再換 classifier[6]
詳細解析
正確答案：B. for param in model.features.parameters(): param.requires_grad = False（只凍結 features），再換 classifier[6]
遷移學習凍結卷積層的正確方法是選項 B：對 model.features.parameters() 設定 requires_grad = False，只凍結 features 部分，然後換掉 classifier[6]，這樣 features 不更新，新的 classifier[6] 預設 requires_grad = True，會正常訓練。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
在郵遞區號自動辨識的研究中，研究人員收集了一份手寫數字影像資料集（UCI sklearn digits, 8×8 灰階），共 1797 筆。研究人員把含有雜訊的手寫數字影像存放在變數 noisy 中，部分資料經視覺化後外觀如附圖所示。他們嘗試使用 PCA 進行降噪，並希望能保留影像的主要特徵，同時去除影像中的雜訊。 程式碼如下： 程式碼 A: import numpy as np; noisy = np.random.normal(digits.data, 4) 程式碼 B: from sklearn.decomposition import PCA; pca = PCA() 程式碼 C: pca.fit(noisy) 程式碼 D: components = pca.transform(noisy) 程式碼 E: filtered = pca.inverse_transform(components) 當程式執行後，觀察到影像仍然含有明顯的雜訊。研究人員懷疑是程式中某步驟的設定不正確，導致 PCA 沒有發揮降噪的作用，需要修改程式碼才能讓降噪有效。請問哪一段程式碼需要修改，才能讓 PCA 對 noisy 影像有效去噪？
中級 機器學習技術與應用 難度 ☆☆☆ 114 年
某智慧製造公司開發一套設備故障預測系統，利用感測器資料訓練深度神經網路（Deep Neural Network, DNN）模型，以提前偵測異常運作跡象。在訓練過程中，團隊發現模型收斂速度不穩定：有時太快導致過擬合，有時又遲遲無法達到最佳準確率。開發團隊可以藉由調整下列哪一項超參數（Hyperparameter）以改善此問題？
中級 機器學習技術與應用 難度 ☆☆☆ 114 年
在工業設備故障預測專案中，模型訓練與超參數調整均依賴於一段歷史數據作為驗證集。然而，隨著設備運行環境與工況條件的變化，原有驗證集已無法充分反映現況，導致模型在實際部署後的預測準確率逐漸下降。下列哪一種策略最能有效提升模型在長期運行環境中的穩定性與泛化能力？
中級 機器學習技術與應用 難度 ☆☆☆ 114 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師中級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。