【答案】《深度学习应用开发-TensorFlow实践》(浙大城市学院)章节期末慕课答案

【答案】《深度学习应用开发-TensorFlow实践》(浙大城市学院)章节期末慕课答案有些题目顺序不一致，下载后按键盘ctrl+F进行搜索第三讲（根据基础选修）工欲善其事必先利其器：简明Python基础测试1：Python基础测试1.单选题：Python的单行注释怎么表示？

选项：

A、#注释

B、//注释

C、%注释

D、/*注释*/

答案：【#注释】2.单选题：以下选项哪个可以作为Python3的标识符？

选项：

A、变量

B、def

C、elif

D、while

答案：【变量】3.单选题：下面关于Python的变量的说法哪个是错误的？

选项：

A、每个变量都在内存中创建，包括变量的标识、名称和数据这些信息

B、每个变量在使用前不一定要赋值

C、Python中的变量赋值需要数据类型声明

D、Python的数据类型根据具体的赋值确定

答案：【Python中的变量赋值需要数据类型声明】4.单选题：以下关于Python的说法哪个是错误的？

选项：

A、Python的标识符不能以数字开头

B、Python2和Python3有一定的区别

C、Python是一门面向过程的语言

D、Python由荷兰人GuidovanRossum于1989年发明

答案：【Python是一门面向过程的语言】5.单选题：在Python中，标识符不能包括以下哪个选项？

选项：

A、英文字母

B、阿拉伯数字

C、下划线

D、减号

答案：【减号】6.单选题：定义变量a是元组的语句是？

选项：

A、a=(2,3,4)

B、a={2,3,4}

C、a=[2,3,4]

D、a={"1":1,"2":2,"3":3}

答案：【a=(2,3,4)】7.单选题：以下关于Python中字典的描述错误的是？

选项：

A、字典是一个有序的键值对集合

B、键（Key）必须使用不可变的类型

C、字典中的元素通过键（Key）来存取

D、同一个字典中，键（Key）是唯一的

答案：【字典是一个有序的键值对集合】8.单选题：Python运算：10or20+5的输出是？

选项：

A、25

B、10

C、True

D、False

答案：【10】9.单选题：Python运算：0and20+5的输出是？

选项：

A、0

B、25

C、False

D、True

答案：【0】10.单选题：以下代码哪个不能够打印出Helloworld！？

选项：

A、print("Helloworld!")

B、print("Hello","world!")

C、print("Hello")print("world!")

D、print("Hello",end='')print("world!")

答案：【print("Hello")print("world!")】第四讲磨刀不误砍柴工：TensorFlow编程基础测试2：Tensorflow编程基础单元测试1.importtensorflowastften=tf.constant([[[1,2],[2,3]],[[3,4],[5.6]]])sess=tf.Session()print(sess.run(ten)[1,0,0])sess.close()运行结果是（）？

答案：【2351】2.[[[6],[3]],[[2]],[[5]]]是一个几维张量？

答案：【0123】3.下面说法错误的是（）？

答案：【在TensorFlow1.x的静态图运行模式中计算图在创建的时候就得到执行在TensorFlow1.x的静态图运行模式中张量没有真正保存数字在TensorFlow1.x的静态图运行模式中张量可以保存计算过程张量在功能上可以理解为多维数组】4.下面说法正确的是（）？

答案：【常量可以不需要初始化所有变量都需要人工赋值feed_dict一次只能给一个变量赋值fetch可以一次返回多个值分别赋给多个变量】5.下面说法错误的是（）？

答案：【会话拥有并管理Tensorflow程序运行时的所有资源利用python的上下文管理器，可以不需要手动关闭会话tf.InteractiveSession会自动将生成的会话注册为默认会话不同计算图共享张量和运算】6.tensorflow中用于人工更新变量取值的命令是（）？

答案：【constantVariableassignget_variable】7.feed_dict参数用于传递（）定义的变量

答案：【constantVariableassignplaceholder】8.improttensorflowastfa=tf.constant(1,name='a')b=tf.constant(2.0,name='b')result=a+b运行结果是？

答案：【33.0a+b运行报错】9.node1=tf.constant(3,name=”node1”)的默认类型是？

答案：【1632tf.float32tf.double64】10.node1=tf.constant(3.0,name=”node1”)的默认类型是？

答案：【32tf.float32tf.double64】11.下列不是tensorflow支持的类型是？

答案：【plex64tf.unit16】12.importtensorflowastfvector=tf.constant([[[1],[3]],[[5],[6]],[[7],[9]]])print(vector.get_shape())结果是？

答案：【（3，2，1）（3）（3，2）3】13.在TensorFlow1.x的静态图运行模式中importtensorflowastfnode1=tf.constant(3.0,tf.float32,name=”node1”)node2=tf.constant(4.0,tf.float32,name=”node2”)node3=tf.add(node1,node2)print(node3)运行结果是什么？

答案：【077.0Tensor（“Add：0，shape（），dtype=float32）】14.在计算图中，每个节点代表什么？

答案：【数据传递控制依赖张量操作】15.下面哪一项不是张量的属性？

答案：【名字维度取值类型】16.上面哪个语句不能创建一个3x3x4形状的TensorFlow张量？

答案：【a=tf.get_variable(“get_varaible”,[3,3,4],initializer=tf.constant_initializer([3,3,4,5]))b=tf.Variable([3,3,4])c=tf.zeros([3,3,4])d=tf.truncated_normal([3,3,4])】17.tensorflow中通过（）可定义一个可修改变量

答案：【constantVariableassignplaceholder】18.TensorBoard的默认端口是（）？

答案：【6006660080808000】19.Tensorflow的占位符是（）？

答案：【constantVariableassignplaceholder】20.在TensorFlow1.x的静态图运行模式中importtensorflowastfnode1=tf.Variable(3.0,float32,name="node1")node2=tf.Variable(4.0,float32,name="node2")node3=tf.add(node1,node2)sess=tf.session()withsess.as_default():print(node3.eval())运行结果是什么？

答案：【077.0运行错误】第五讲单变量线性回归：TesnsorFlow实战作业2：通过生成人工数据集合，基于TensorFlow实现y=3.1234*x+2.98线性回归1.通过生成人工数据集合，基于TensorFlow实现y=3.1234*x+2.98线性回归通过上传附件方式提交notebook文件（.ipynb）评分标准：1、生成x_data，值为[0,100]之间500个等差数列数据集合作为样本特征根据目标线性方程y=3.1234*x+2.98，生成相应的标签集合y_data，2分；2、画出随机生成数据的散点图和想要通过学习得到的目标线性函数y=3.1234*x+2.98，2分；3、构建回归模型，3分；4、训练模型，10轮（可根据需要设置为更多轮），每训练20个样本显示损失值，2分；5、通过训练出的模型预测x=5.79时y的值，并显示根据目标方程显示的y值，1分；备注：如果不是上传notebook文件（.ipynb），可以用以下方案替代：1、源代码.py文件2、写一个说明文档，贴上散点图和计算图的图形，格式可以是word或者pdf3、以上两个文件通过压缩文件打包为一个zip或者rar文件强烈建议提交notebook文件（.ipynb）（打包为压缩文件后上传）

答案：【生成x_data，值为[0,100]之间500个等差数列数据集合作为样本特征根据目标线性方程y=3.1234*x+2.98，生成相应的标签集合y_data画出随机生成数据的散点图和想要通过学习得到的目标线性函数y=3.1234*x+2.98构建回归模型训练模型，10轮（可根据需要设置为更多轮），每训练20个样本显示损失值通过训练出的模型预测x=5.79时y的值，并显示根据目标方程显示的y值】第六讲多元线性回归：波士顿房价预测问题TesnsorFlow实战作业3：波士顿房价预测线性回归实践1.作业题1按课程案例，动手完成编码实践。通过梯度下降优化器进行优化，尝试采用不同的学习率和训练轮数等超参数，记录训练后的损失值和W、b变量值。提交要求：1、至少5次不同超参数的运行结果的记录文档（word格式或者txt格式）2、你认为最优的一次带运行结果的源代码文件（.ipynb格式）3、以上两个文件一起压缩为一个压缩文件后作为附件上传评价标准：1、完成案例中的代码，有完整的代码，模型能运行优化出结果，8分；2、调整过超参数，记录文件中有至少5组数据，2分；

答案：【完成案例中的代码，有完整的代码，模型能运行优化出结果调整过超参数，记录文件中有至少5组数据】第七讲MNIST手写数字识别：分类应用入门作业4：FashionMNIST图像识别问题的神经元模型实践1.Fashion-MNIST手写数字识别问题的单神经元模型实践Fashion-MNIST是德国研究机构ZalandoResearch在2017年8月份开源的一个数据集，它包含了如图13.7所示的人们日常穿着的衣服、鞋子、包等十类生活用品，其中训练集包含60000张训练集和10000张测试集，每张图片和MNIST数据集一样，均是28*28像素的灰度图，包括10个种类的生活用品（T-shirt/top,Trouser,Pullover,Dress,Coat,Sandal,Shirt,Sneaker,Bag,Ankleboot）。Fashion-MNIST是一个开源的数据集，该机构在/zalandoresearch/fashion-mnist进行了开源，需要的研究人员可以到该Github上进行下载。为了便于学习者学习，TensorFlow在datasets里面集成了Fashion-MNIST数据集。#导入fashionmnist数据集的语句fashion_mnist=tf.keras.datasets.fashion_mnist(train_images,train_labels),(test_images,test_labels)=fashion_mnist.load_data()模仿课程案例，动手完成编码实践。在不改变模型的结构基础上，尝试采用不同的学习率、单批次样本数、训练轮数等超参数，让模型的准确率达到83.5%。提交要求：1、你认为最优的一次带运行结果的源代码文件（.ipynb格式）2、文件先压缩为rar或者zip文件，作为附件上传评分标准：1、完成案例代码，有完整的代码，模型能运行，准确率达82%以上；得6分，否则得0分；2、准确率达83.5%以上；再得2分，否则得0分；3、画出训练过程的loss曲线和accuracy曲线；再得2分，否则得0分；

答案：【完成案例代码，有完整的代码，模型能运行，准确率达82%以上；得6分，否则得0分；准确率达83.5%以上；再得2分，否则得0分；画出训练过程的loss曲线和accuracy曲线；再得2分，否则得0分；】第十讲图像识别问题：卷积神经网络与应用作业6：CIFAR10案例卷积神经网络实践1.CIFAR10图像识别问题的卷积神经网络实践按课程案例，动手完成编编码实践。可尝试采用不同的学习率、单批次样本数、训练轮数等超参数，或是改变模型结构（例如：增加卷积层、池化层或全连接层的数量）让模型的准确率达到70%。提交要求：1、你认为最优的一次带运行结果的源代码文件（.ipynb格式）2、作为附件上传评分标准：1、完成CIFAR10图像识别问题的卷积神经网络的建模与应用（必须采用卷积神经网络），有完整的代码，模型能运行，准确率达60%以上；得6分；每下降一个百分点，少得1分；2、准确率达65%以上；再得2分，否则再得0分；3、准确率到70%以上；再得2分，否则再得0分；4、之所以只提70%的准确率作为满分的标准，不是说只能达到这个识别率，而是考虑同学们设备的算力和时间，有GPU的会很快，如果只是CPU的还是需要一些时间的。

答案：【完成CIFAR10图像识别问题的卷积神经网络的建模与应用（必须采用卷积神经网络），有完整的代码，模型能运行，准确率达60%以上；得6分；每下降一个百分点，少得1分；2、准确率达65%以上；再得2分，否则再得0分；3、准确率到70%以上；再得2分，否则再得0分；】（终章提前发布）课程大作业课程大作业1.课程大作业，自由选题，详细说明见本章视频根据以下5方面评价：问题场景与创意、所选模型类型的适用性、模型性能、功能实现完备性、整体技术复杂度，各占20%。

答案：【问题场景与创意所选模型类型的适用性模型性能功能实现完备性整体技术复杂度】期末考试期末考试卷1.单选题：下列哪个不是LSTM循环单元中的门_____

选项：

A、激活门

B、输入门

C、输出门

D、遗忘门

答案：【激活门】2.单选题：下列关于循环神经网络的说法哪个是错误的___

选项：

A、普通RNN容易出现梯度消失问题

B、普通RNN容易出现梯度爆炸问题

C、LSTM网络结构相对普通RNN网络解决了梯度爆炸问题，但没有很好解决梯度消失问题

D、循环神经网络RNN和LSTM等模型，则因为其模型结构特点可以更好地应用于时序相关的问题场景

答案：【LSTM网络结构相对普通RNN网络解决了梯度爆炸问题，但没有很好解决梯度消失问题】3.单选题：下列有关词嵌入的说法哪个是错误的____

选项：

A、将词汇嵌入到低维的连续向量空间中，即词被表示为实数域上的向量

B、能捕捉到词汇间的联系，比如，通过计算两个词嵌入的余弦值得到两个词汇的相关程度

C、运算速度快

D、一个词嵌入是一个稠密浮点数向量，需要事先通过手工编码来实现

答案：【一个词嵌入是一个稠密浮点数向量，需要事先通过手工编码来实现】4.单选题：下列哪项不属于图像数据增强的常见方法：

选项：

A、翻转变换

B、随机裁剪

C、把测试集加入到训练集

D、对比度变换

答案：【把测试集加入到训练集】5.单选题：预防过拟合的措施不包含下列哪项？

选项：

A、早停

B、数据增强

C、增大学习率

D、加上dropout层

答案：【增大学习率】6.单选题：下列说法错误的是：

选项：

A、检查点文件的扩展名一般为.ckpt

B、图协议文件的扩展名一般为.pb

C、检查点文件是通过在tf.train.Saver对象上调用Saver.save()生成的

D、saver.restore()只能恢复最新模型，不能恢复指定模型

答案：【saver.restore()只能恢复最新模型，不能恢复指定模型】7.单选题：importtensorflowastfa=tf.constant([[1,2],[3,4]])b=tf.constant([[1,1],[2,2]])sess=tf.Session()print(sess.run(tf.matmul(a,b)))sess.close()的运行结果是（）

选项：

A、[[1,2],[6,8]

B、[[5,5],[11,11]]

C、17

D、[[1,4],[3,8]]

答案：【[[5,5],[11,11]]】8.单选题：在TensorFlow1.x环境中importtensorflowastfa=tf.constant([[1,2],[3,4]])b=tf.constant([[1,1],[2,2]])sess=tf.Session()print(sess.run(a*b))sess.close()的运行结果是（）

选项：

A、[[1,2],[6,8]]

B、[[5,5],[11,11]]

C、17

D、[[1,4],[3,8]]

答案：【[[1,2],[6,8]]】9.单选题：假设x的值为[[1,3,5],[2,4,6]],tf.transpose(x)的结果是（）

选项：

A、[[1,3,5],[2,4,6]]

B、[[2,4,6],[1,3,5]]

C、[[1,2],[3,4],[5,6]]

D、[[[1,2,3],[4,5,6]]]

答案：【[[1,2],[3,4],[5,6]]】10.单选题：Tensorflow通过（）实现矩阵叉乘

选项：

A、tf.concat

B、tf.matmul

C、*

D、tf.mutiply

答案：【tf.matmul】11.单选题：下列哪一项不是tensorflow提供的优化器（）

选项：

A、GradientDescentOptimizer

B、MarkovOptimizer

C、AdamOptimizer

D、AdadeltaOptimizer

答案：【MarkovOptimizer】12.单选题：关于pandas的说法错误的是（）

选项：

A、pandas能够读取CSV、文本文件、SQL

B、处理CSV文件能够自动识别列头，支持列的直接寻址

C、能够将数据结构自动转换为numpy的多维数组

D、pandas最适合进行图片的预处理

答案：【pandas最适合进行图片的预处理】13.单选题：关于批量说法正确的是（）

选项：

A、批量大小只能是1

B、批量越大越好

C、批量越大，单次迭代所需的时间越长

D、批量是指样本总数

答案：【批量越大，单次迭代所需的时间越长】14.单选题：下面哪个不是单变量线性回归的必须步骤（）

选项：

A、构建线性模型

B、定义损失函数

C、定义优化器

D、可视化训练过程

答案：【可视化训练过程】15.单选题：关于tf.variable_scope()，以下说法正确的是：

选项：

A、用于给variable_name和op_name加前缀

B、用于创建新变量

C、返回一个张量

D、与_scope()没有区别

答案：【用于给variable_name和op_name加前缀】16.单选题：什么时候不适合使用迁移学习（）

选项：

A、当新数据集比较小时

B、当新数据集与原数据集相似时

C、当原先的模型不容易泛化时

D、当算力有限时

答案：【当原先的模型不容易泛化时】17.单选题：下面哪项不是迁移学习的优点（）

选项：

A、训练时间少

B、适应多任务目标的学习

C、可以用来缓解缺乏巨量标注数据的问题

D、总是能够得到性能更高，准确率更好的模型

答案：【总是能够得到性能更高，准确率更好的模型】18.单选题：下列关于迁移学习的说法正确的是（）

选项：

A、迁移学习不需要和原来的任务有很大的联系

B、迁移学习主要是为了缓解标注数据不足和训练时间长的问题

C、通过迁移学习一定可以实现更高的准确率

D、迁移学习的新数据集和原数据集不需要相似

答案：【迁移学习主要是为了缓解标注数据不足和训练时间长的问题】19.单选题：迁移学习与完整训练模型相比（）

选项：

A、正确率更高

B、需要的训练样本更多

C、需要的训练时间更少

D、模型更加简单

答案：【需要的训练时间更少】20.单选题：打乱训练数据的目的是（）

选项：

A、加快学习速度

B、使模型学习到有效的特征

C、打乱训练数据对训练结果没有影响

D、丰富样本数据

答案：【使模型学习到有效的特征】21.单选题：关于样本数据的说法不正确的是（）

选项：

A、全部的样本数据都应该参与训练

B、样本数据最好分为测试集和训练集

C、样本数据训练时最好打乱顺序

D、特征数据需要归一化

答案：【全部的样本数据都应该参与训练】22.单选题：未归一化前多元线性回归训练结果异常的主要原因是（）

选项：

A、变量参数太多

B、随机因素引起的异常

C、模型定义错误

D、不同特征值取值范围对训练的影响

答案：【不同特征值取值范围对训练的影响】23.单选题：样本数据如下x12345y21465假设学习到的模型为y=x+1，则L1损失为（）

选项：

A、2

B、4

C、16

D、3

答案：【4】24.单选题：从标签化训练数据集中推断出函数的机器学习任务是（）

选项：

A、有监督学习

B、无监督学习

C、强化学习

D、半监督学习

答案：【有监督学习】25.单选题：关于TensorBoard以下说法错误的是：

选项：

A、TensorBoard是TensorFlow的可视化工具

B、通过TensorFlow程序运行过程中输出的日志文件可视化TensorFlow程序的运行状态

C、TensorBoard和TensorFlow程序跑在不同的进程中

D、TensorBoard只能启动在6006端口

答案：【TensorBoard只能启动在6006端口】26.单选题：关于占位符（placeholder）下面说法错误的是？

选项：

A、占位符在定义的时候无需初始化

B、一般训练数据通过占位符进行输入

C、占位符是TensorFlow中特有的一种数据结构，类似动态变量

D、占位符占用的变量需要通过feed_dict参数传递进去

答案：【占位符在定义的时候无需初始化】27.单选题：下面关于TensorFlow1.x中常量与变量描述正确的是？

选项：

A、变量指在运行过程中会被改变的值，在TensorFlow中无需进行初始化操作。

B、变量的一般创建语句：name_variable=tf.variable(value,name)

C、常量在TensorFlow中一般被用于设置训练步数、训练步长和训练轮数等超参数。

D、TensorFlow中的变量定义后，一般都需要人工赋值

答案：【常量在TensorFlow中一般被用于设置训练步数、训练步长和训练轮数等超参数。】28.单选题：下面关于TensorFlow中的会话（Session）的描述哪个是错误的？

选项：

A、会话拥有并管理TensorFlow程序运行时的所有资源

B、计算结束后不需要关闭会话资源便可回收

C、TensorFlow不会自动生成默认的会话，需要手动指定

D、Session负责数据流图中操作的执行

答案：【计算结束后不需要关闭会话资源便可回收】29.单选题：下面关于TensorFlow中的张量（Tensor）的描述哪个是错误的？

选项：

A、在TensorFlow中，所有的数据都通过张量的形式来表示

B、张量并没有真正保存数字，而是保存了计算过程

C、TensorFlow会对参与运算的所有张量进行类型的检查，发现类型不匹配时会报错

D、带小数点的数会被默认为int16类型

答案：【带小数点的数会被默认为int16类型】30.单选题：关于TensorFlow1.x的数据流图（Flow）下面哪一句描述是错误的？

选项：

A、数据流图的每个节点代表一个操作和运算

B、数据流图输出的结果是一个具体的数字

C、数据流图的每条有向边代表节点之间的数