《深度学习框架应用开发 习题及答案第1、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 习题及答案第1、2章.docx（4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、一、选择题1、Al的英文缩写是0A.Automatic IntelligenceB.Artifical IntelligenceC.Automatice InformationD.Artifical Information 正确答案：B2、1.被誉为火工智能之父的科学家是()。A.明斯基B.图灵C.麦卡锡D.冯.诺依曼 正确答案：C 3、最早的聊天机器人之一、最早通过图灵测试的程序OA.DendralB. ELIZAC. XeonD. Deepblue 正确答案：C 4、哪些学科是人工智能的基础()A.地理学B.数学C.经济学D.计算机科学 正确答案：B、D 5、第一例专家系统是在()领域发挥
2、作用的A.化学B.生物C.数学D物理 正确答案：A 6、循环神经网络的应用非常广泛，以下哪一项不用循环神经网络的应用()A.语音识别B.看图说话C.视频预测D.垃圾分类 正确答案：D 7、下面不属于人工智能研究基本内容的是()A.机器感知B.机器学习C.自动化 D.机器思维正确答案：C 8、下列哪个不是人工智能的研究领域(D )A.机器证明B.模式识别C.人工生命D.编译原理9、1997年5月，著名的“人机大战”，最终计算机以3.5比2.5的总比分将世界国际象棋 棋王卡斯帕罗夫击败，这台计算机被称为()A.深蓝B.IBM C.深思D.蓝天 正确答案：A 10、人工智能的含义最早由一位科学家于1
3、950年提出，并且同时提出一个机器智能的测试 模型，请问这个科学家是A、明斯基B、扎德C、图灵D、冯.诺依曼 正确答案：C 11、列哪个不是人工智能的研究领域(D)A.机器证明B,模式识别C.人工生命 D.编译原理正确答案：D 12、人工智能是一门(D) A.数学和生理学B.心理学和生理学C.语言学D.综合性的交叉学科和边缘学科正确答案：D 二、填空题 1、反向传播(Backpropagation)算法有效解决了非线性分类和学习的问题。2、Geoffrey Hinton发明的算法引起了神经网络的第二次浪潮。3、梯度消失问题直接阻碍J人工智能的进一步发展,也导致人工智能进入第二次低谷期。 4、罗
4、森布拉特第一次将MCP模型用于机器学习分类,感知器算法被证明能够收敛,理论与 实践效果引起第一次神经网络的浪潮。5、AlexNet模型是一种港蚯丑模型6. Facebook基于深度学习技术的DeepFace项目，在人脸识别方面的准确率已经能达到97% 以上7、卷积神经网络是近年来广泛应用于模式识别、图像处理等领域的一种高效识 别算法。8、在传统目标检测算法框架中，一般分为三个阶段：候选区域生成、特征提取、分类器分 娄。9、计算机视觉是赋予机器的感知能力一 10、自然语言处理技术则是赋予机器认知的能力。 11、自然语言技术主要包括了语义理解技术和语言生成技术。12、使用自然语言处理技术去解决某一
5、问题的基本过程包括获取造性、语料预处埋、特征工 程、任务建模过程。13、语料是语料库的基本单元。14、自然语言处理技术中处理的数据不再是图像而是一句话，即序列数据。 15、循环神经网络解决自然语言处理中存在的问题。三、简答题1、语料库的建立就是为了解决什么问题。2、安装深度学习的开发环境，拓展学习Jupyter Notebook的使用第二章Tensorflow基本概念、用法、搭建线性回归模型一、填空题1、Tensor flow使用图来表示计算任务。2、在TensorFlow2. 0中，开发者可以通过tf. constant方法来创建不同数据类型的张 量3、维度是用来描述个张量非常重要的属性，用
6、于描述张量维数的数量，也称为险。4、一个向量称为一阶张量,一个矩阵或者一个二维数组称为三阶张量。5、Tensorflow使用一、可以为任意的操作赋值或者从其中获取数据6、Tensor Flow的主要数据类型有、。7、TensorFlowl. x版本中采用的是静态图机制,TensorFlow2. 0则采用了动态图机制8,使用TensorFlow之前，要先导入TensorFlow框架。导入代码：imporl tensorflow as If9、还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。0、类型转换函数，其函数原型是：tf. cast (x, dtyp。， nam
7、c=Non。)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. Variab 1 e()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，TensorFlow2.0提供了随 机初始化组件tf. random。14、TensorFlow2. 0提供的空皿上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预处理的操作。16、采用机器学习或者深度学习技术进行模型训练，一个关
8、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、 计算损失值、计算损失函数中的梯度、更新梯度的值、打印每轮的损失值。19、在开发的过程中，一旦完成了模型训练，就需要对模型的效果进行验证。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
9、tfa = tf.random.normal(4, 35, 8)b = tf.random.normal(6, 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 tensorflow as tf(10,35,8)result = tf.split(x,axis=0,num_or_size_splits=10)A. result = tf.split(x,axis=0num_or_size_splits= 4,22?2).如何计算8 -范数(D) impor
10、t numpy as np import tensorflow as tfx = tf.ones(22)tf.norm(x,ord=0)A. tf.norm(x,ord=l)tf.norm(x,ord=2) D. tf.norm(x,ord=np.inf)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(x,axis=l) C.tf.reduce_mean(x,axis=l) D.tf.reduce_sum(x,axi
11、s=l)4 .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).以下张量b填充后等到的数组形状为(A) a = tf.constant(1,2,3,4,5,6) b = tf.constant(7,8,1,6) b = tf.pad(b, 0,2) A. 7, 8, 1, 6, 0, 05 . 7, 8, 1, 6, 1, 1C.7, 8, 1, 6, 2, 2D. 0, 0, 7, 8, 1, 68.对于下列张量复制后得到的张量sh
12、ape值为(B)x = tf.random.normal(4,32,32,3) tftile(x,2,3,3,!)9、张量 arrl=l, 4, 5, 5, 1, 4, arr2=arrayl, 3, 5, 3, 5, 2 tf. mod (arrl, arr2)的结果是：(C)A.(6,35, 35, 4)B.(8,96, 96, 3)C.(8,96, 96, 4)D.(8,96, 96, 1)A. array( 2, 7, 10, 8, 6, 6)array(1, 1, 1, 1, 0, 2)B. array(0, 1, 2, 0, 0, 2, 0, 1, 2, 0, 0, 2)array
13、(l. , 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, 13, 28, 4028, 40, 10, 13B. 15, 18, 23, 3710, 13, 25, 43三、综合题搭建线性回归模型从木章所讲内容之中我们可以知道线性I可归模型大致的函数可以表示为九o(x) = eox + %。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 子的面积大致成正比，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, 280,852,178 o任务要求：利用这一组数据，通过调整00,%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。