2020 人工智能实践：Tensorflow笔记(视频类选修课)(山西医科大学) 最新满分章节测试答案
本答案对应课程为:点我自动跳转查看
本课程起止时间为:2020-03-17到2020-06-15
本篇答案更新状态:已完结
第一讲 神经网络计算
1、 问题:该张量的维度是 [[ 1.3688478 1.0125661 ] [ 0.17475659 -0.02224463]]
选项：
A:（2，1）
B:（2，2）
C:（1，2）
D:（4，1）
答案: 【（2，2）】
2、 问题:人工智能主流的三个学派是什么？
选项：
A:行为主义
B:计算主义
C:连接主义
D:符号主义
答案: 【行为主义 ;
连接主义;
符号主义】
3、 问题:以下语句实现了损失函数loss 分别对可训练参数w1和b1求偏导数，并将计算结果保存到grads列表中。with tf.GradientTape() as tape: 前向传播过程计算y 计算总lossgrads = tape.gradient(loss, [ w1, b1 ])
选项：
A:正确
B:错误
答案: 【正确】
分析：【with tf.GradientTape() as tape: # 记录梯度信息
前向传播过程计算y
计算总loss
grads = tape.gradient(loss, [ w1, b1 ])
这段代码的功能是实现损失函数loss 分别对可训练参数w1和b1求偏导数，并将计算结果保存到grads列表中。】
4、 问题:设计神经网络的步骤包括：准备数据、搭建网络、优化参数、应用网络。
选项：
A:正确
B:错误
答案: 【正确】
5、 问题:神经网络可以让计算机具备感性思维，能实现图像识别、趋势预测。
选项：
A:正确
B:错误
答案: 【正确】
第二讲 神经网络优化
1、 问题:在某个三分类问题中，已知真实标签y_=(0, 0, 1)，神经网络预测值分别为y1=(0.51, 0.32, 0.17)，y2=(0.22, 0.73, 0.05)，y3=(0.15, 0.17, 0.68)，y4=(0.04, 0.03, 0.93)，哪个预测值更接近真实标签？
选项：
A:y1
B:y2
C:y3
D:y4
答案: 【y4】
2、 问题:tf.nn.relu([[-2., 1.], [0., 3.]])的计算结果是哪个？
选项：
A:tf.Tensor([ -2. 1. 0. 3.], shape=(4,), dtype=float32)
B:tf.Tensor([ 0. 1. 0. 3.], shape=(4,), dtype=float32)
C:tf.Tensor([ [-2. 1.] [0. 3.] ], shape=(2,2), dtype=float32)
D:tf.Tensor([ [0. 1.] [0. 3.] ], shape=(2,2), dtype=float32)
答案: 【tf.Tensor([ [0. 1.] [0. 3.] ], shape=(2,2), dtype=float32)】
3、 问题:下列哪一项是均方误差损失函数的代码实现？
选项：
A:tf.reduce_mean(tf.square(y_true – y_pred))
B:tf.reduce_mean(tf.abs(y_true-y_pred))
C:-tf.reduce_sum(y_true * tf.math.log(y_pred))
D:-tf.reduce_sum(labels * tf.math.log(tf.nn.softmax(logits)), axis=1)
答案: 【tf.reduce_mean(tf.square(y_true – y_pred))】
4、 问题:解决过拟合问题的方法有：
选项：
A:增大训练集
B:采用正则化
C:增加网络参数
D:减小正则化参数
答案: 【增大训练集;
采用正则化】
5、 问题:下列属于神经网络优化器的有？
选项：
A:SGD
B:AdaGrad
C:RMSProp
D:Adam
答案: 【SGD;
AdaGrad;
RMSProp;
Adam】
第三讲 神经网络八股
1、 问题:使用Sequential()函数搭建神经网络训练MNIST数据集的代码为：model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(), tf.keras.layers.Dense(128, activation=’relu’), tf.keras.layers.Dense(10, activation=’softmax’)])请问使用model.summary()打印网络结构和参数统计中，Total params的数目为？
选项：
A:100480
B:1280
C:101770
D:101632
答案: 【101770】
2、 问题:以下数据为训练过程中某个epoch的最终输出，其中最能直观有效反映网络准确度的数据是？60000/60000 [==============================]- 4s 68us/sample- loss: 0.2916- sparse_categorical_accuracy: 0.8920- val_loss: 0.3387- val_sparse_categorical_accuracy: 0.8770
选项：
A:0.2916
B:0.8920
C:0.3387
D:0.8770
答案: 【0.8770】
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
