《深度学习框架应用开发习题及答案（陈晓龙） 第2章.docx》由会员分享，可在线阅读，更多相关《深度学习框架应用开发习题及答案（陈晓龙） 第2章.docx（3页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、深度学习框架应用开发 习题及答案第二章Tensorflow基本概念、用法、搭建线性回归模型一、填空题1、Tensorflow使用图来表示计算任务。2、在TcnsorFlow2.0中，开发者可以通过tf. constant方法来创建不同数据类型的张景3、维度是用来描述一个张量非常重要的属性，用于描述张量维数的数量，也称为险。4、一个向量称为张量，一个矩阵或者一个二维数组称为宜张量。5、Tensorflow使用_、可以为任意的操作赋值或者从其中获取数据6、TensorFlow的主要数据类型有、_、。7、TcnsorFlowl. x版本中采用的是静态图机制,TcnsorFlow2. 0则采用了动态图
2、机制8、使用TensorFlow之前，要先导入TensorFlow框架。导入代码： import tensorflow as tf9、理是用于描述张量内部的组织关系，张量的形状决定了每个轴上有多少索引可以使用。10类型转换函数，其函数原型是:tf. cast(x、 dtype, name-None)11、计算机视觉方面，经常需要将一个张量从一个形状转换为另外一个形状，以满足某种 计算需求。TensorFlow2. 0提供形状转换函数reshape。12、在TensorFlow2. 0中通过tf. Yariab 1 c ()方法创建一个变量。13、模型训练前，模型的参数一般都是通过随机初始化给定
3、，TensorFlow2.0提供了随机 初始化组件tf. randomo14、TensorElow2. 0提供的malh组件包含了深度学习常用到的数学运算方法。15、实际开发过程中，当完成数据收集后都需要对原始数据进行数据项处理的操作。16、采用机器学习或者深度学习技术进行模型训练，一个关键的技术就是损失函数的定义， 其往往决定最后模型的效果。17、训练一个机器学习或者深度学习模型的本质，其实就是求解一个函数的系数。工智能 领域把求解方法称为优化器。18、模型训练本质就是一个不断迭代的过程，可以为为如下几个常见步骤：计算预测值、让 算损失值、计算损失函数中的梯度、更新梯度的值、打印每一轮的损失
4、值。19、在开发的过程中，一旦完成了模型训练，就需要对模型的效里进行验证。二、选择题1. TensorFlow中的基本数据类型不包含(D)A,数值型B.字符串型C.布尔型D.字符型2.对于以下两个张量，如何实现这两个张量的合并而不产生新的维度(A) import tensorflow as tfa = tf.random.normal(4, 35, 8)b = tf.random.normal(6j 35, 8)#合并张量# Todotf.concat(a b, axis=0)A. tf.stack(a, b, axis=0).以下对张量进行等长切割的操作正确的是(A) import tens
5、orflow as tfx = tf.random.normal(10,35,8)result = tf.split(xaxis=0num_or_size_splits=10)A. result = tf.split(x,axis=0,num_or_size_splits= 4,2,2,2).如何计算8 -范数(D) import numpy as np import tensorflow as tf x = tf.ones(2,2) A. tf.norm(x,ord=0) B. tf.norm(xord=l) C. tf.norm(x,ord=2) D. tf.norm(xJord=np.i
6、nf)3 .如何求解张量在某个维度上的均值(C) import tensorflow as tfx = tf.random.normal(4,10)A.tf.reduce_max(x,axis=l)B.tf.reduce_min(xJaxis=l) C.tf.reduce_mean(x,axis=l) D.tf.reduce_sum(xaxis=l) 6.如何比较两个张量是否相等(B) A.tf.math.not_equal(a, b) B. tf.equal(a, b) C.tf.math.greater(a, b) D. tf.math.less(a, b)A. .以下张量b填充后等到的数
7、组形状为(A) a = tf.constant(1,2,3,45,61)b = tf.constant(7,8,1,6) b = tf.pad(b, 0,2) A.7,8,1,6,0,0B. 7,8,1,6,1,17,8,1,6,2,2C. 0,0,7,8,1,68.对于下列张量复制后得到的张量shape值为(B)x = tf.random.normal(4,32,32,3) tf.tile(xJ2,33Jl) A.(6,35,35,4)(8,96,96,3)B. (8,96,96,4)(8,96,96,1)9、张量 arrl=l, 4, 5, 5, 1, 4, arr2=arrayl, 3,
8、 5, 3, 5, 2 tf. mod (arrl, arr2)的结果是：(C)array( 2,7, 10, 8, 6, 6)A. array (1, 1, 1, 1, 0, 2)array(0, 1, 2, 0, 0, 2, 0, 1, 2, 0, 0, 2)B. array(1. ) 1.33333333, 1. , 1.66666667, 0.2 , 2.)10、两个矩阵,a=0, 1, 2, 3, 4, 5,b=0, 1, 2, 3, 4, 5, tf. matmul (a, b)的结果是(A)A. 10.B. 28,C. 15,D. 10,13, 28, 40, 10, 18, 23, 13, 25,40 13 37 43三、综合题搭建线性回归模型从本章所讲内容之中我们可以知道线性回归模型大致的函数可以表示为生（幻=Gox +d。 我们可以将模型稍作改变实现另外的一种功能。在日常生活当中，我们都知道房价和房子的面 枳大致成正比，所以我们也可以利用matplotlib画图工具包（拓展内容），将线性回归的模型直 观的在图上表示出来。假定一组房屋的价格与面积的数据为2104, 460, 1416, 232, 1534, 315, 1200, 280,852,178o任务要求：利用这一组数据，通过调整拆,的值，观察线性回归模型的绘图情况以及对应的“损失为 多少。