第一章 单元测试

1、 问题:Python程序在执行一次之后会自动生成扩展名为( )的字节码文件,以提高运行效率。
选项:
A:.py
B:.pyb
C:.pyc
D:.pyf
答案: 【
.py

2、 问题:以下关于列表ls的叙述中,错误的是( )。
选项:
A:ls.append(x):在ls的末尾增加一个元素x
B:len(ls):求出ls中的元素个数
C:ls.clear():删除ls中的一个元素
D:ls.reverse():反转ls中的所有元素
答案: 【
ls.clear():删除ls中的一个元素

3、 问题:

以下关于元组的说法中,正确的是( )。

选项:
A:所有元素的数据类型必须相同
B:支持in运算符
C:插入的新元素放在最后
D:元组不支持切片操作
答案: 【
支持in运算符

4、 问题:表达式 [ x for x in [1,2,3,4,5] if x<3] 的结果是( )。
选项:
A:[1,2,3,4,5]
B:[1,2,3]
C:[3,4,5]
D:[1,2]
答案: 【
[1,2]

5、 问题:

以下不能创建一个字典的语句是()。

选项:
A:dict1 = {}
B:dict2 = { 3 : 5 }
C:dict3 ={[1,2,3]: “uestc”}
D:dict4 = {(1,2,3): “uestc”}
答案: 【
dict3 ={[1,2,3]: “uestc”}

6、 问题:numpy中有很多自带的数组创建函数,下列( )函数可以创建指定长度或形状的全1数组。
选项:
A:arrange()
B:zeros()
C:ones()
D:empty()
答案: 【
ones()

7、 问题:下列( )函数用于绘制散点图。
选项:
A:scatter()
B:plot()
C:bar()
D:subplot()
答案: 【
scatter()

8、 问题:

可以把列表转换为numpy数组的函数是()。

选项:
A:arange()
B:array()
C:ones()
D:linspace()
答案: 【
array()

9、 问题:

执行下面代码,得到的正确结果是()。

drink = {'奶茶':8,'可乐':5,'牛奶':3}

for item in drink.values():

    print ( item, end = " ")

选项:
A:('奶茶':8) ('可乐':5)('牛奶':3)
B:8 5 3
C:奶茶 可乐 牛奶
D:{'奶茶':8,'可乐':5,'牛奶':3}
答案: 【
8 5 3

10、 问题:

以下程序的输出结果是()。

a=[“李白”,“孟浩然”,”杜甫”,“王昌龄”]

print(a[1:3])

选项:
A: [“李白”,“孟浩然”,”杜甫”]

B: [“孟浩然”,”杜甫”]

C:[“孟浩然”,”杜甫”,“王昌龄”]

D:[“孟浩然”,“王昌龄”]

答案: 【
 [“孟浩然”,”杜甫”]

第二章 单元测试

1、 问题:a=tf.constant(5)的默认类型是( )。
选项:
A:tf.double64
B:tf.float32
C:tf.int32
D:tf.int16
答案: 【
tf.int32

2、 问题:

TensorFlow2.0中,所有张量都可以通过( )方法得到对应的数组。

选项:
A:numpy()
B:shape()
C:dtype()
D:其余都不是
答案: 【
numpy()

3、 问题:可以创建元素值相同的张量的函数是( )。
选项:
A:tf.fill()
B:tf.ones()
C:tf.zeros()
D:tf.cast()
答案: 【
tf.fill()

4、 问题:以下对函数功能的描述中,错误的是( )
选项:
A:tf.squeeze(),删除维度
B:tf.transpose(),交换维度
C:tf.reshape(),更改维度
D:tf.cast(),增加维度
答案: 【
tf.cast(),增加维度

5、 问题:

以下程序执行后,b的内容是()。
  a=tf.range(12)
  b=a[2:5:1]
  print(b.numpy())  

选项:
A:[2 3 4 5]
B:[2 3 4]
C:[2 4 6]
D:其余都不对
答案: 【
[2 3 4]

6、 问题:

以下程序执行后,运行结果是()。
  a=tf.reshape( tf.range(10,22) , [3,4] )
  b=a[0 ,0:2]
  print(b.numpy()) 

选项:
A:[10 11]
B:[10 11 12]
C:[14 15]
D:其余都不对
答案: 【
[10 11]

7、 问题:

以下描述中,错误的是( )。

选项:
A:tf. pow(2 , x ) :计算2的x次方
B:tf. exp(1.):计算e的1.0次方
C:tf.sqrt(3): 计算3的平方根
D:tf.square(x):对x逐个元素计算平方
答案: 【
tf.sqrt(3): 计算3的平方根

8、 问题:

以下程序段的运行结果是()。
import numpy as np
a=tf.constant(np.arange(6),shape=(2,3))
b=tf.constant(np.arange(6),shape=(3,2))
c=a@b
print(c.numpy()) 

选项:
A:[ [10 13 15] [28 40 50] ]
B:[ [1 2 3] [4 5 6] ]
C:[ [10 13] [28 40] ]
D:不能运算
答案: 【
[ [10 13] [28 40] ]

9、 问题:

有语句:

import tensorflow as tf

a=tf.constant( [[1,2],[3,4]] ) 

以下描述错误的是()。

选项:
A:执行语句tf.reduce_max(a,axis=0)后,值为[3 4]
B:执行语句tf.reduce_min(a)后,值为1
C:执行语句tf.reduce_sum(a,axis=1)后,值为[3 7]
D:执行语句tf.reduce_mean(a)后,值为2.5
答案: 【
执行语句tf.reduce_mean(a)后,值为2.5

第三章 单元测试

1、 问题:数据x(1,2,3,4)对应数据y(1,3,5,7),则y关于x的回归方程必过点(2.5, 4)。( )
选项:
A:对
B:错
答案: 【


本门课程剩余章节答案为付费内容
本文章不含期末不含主观题!!
本文章不含期末不含主观题!!
支付后可长期查看
有疑问请添加客服QQ 2356025045反馈
如遇卡顿看不了请换个浏览器即可打开
请看清楚了再购买哦,电子资源购买后不支持退款哦