人工智能案例实战智慧树知到期末考试答案2024年

人工智能案例实战智慧树知到期末考试答案2024年人工智能案例实战以下说法中错误的是（）。

A:Python变量在使用之前不需要声明B:print()函数在输出中自动包含换行，默认每次打印一行C:Python语句的缩进可有可无D:在Python中，标识符是大小写敏感的答案::C以下程序的输出结果是（）。

a=[“牡丹”,”芍药”,”玫瑰”,”月季”]dela[1:3]print(a)

A:[”玫瑰”,”月季”]B:[“牡丹”]C:[”月季”]D:[“牡丹”,”月季”]答案:[“牡丹”,”月季”]下面安装包的命令中，错误的是：（）。

A:condainstalltensorflow==1.14.0B:condainstalltensorflow=2.0.0betaC:pipinstalltensorflow=2.0.0alphaD:pipinstalltensorflow==2.0.0答案:pipinstalltensorflow=2.0.0alpha以下关于字典的描述，错误的是（）。

A:字典中的键可以对应多个值信息B:字典是键值对的集合C:字典中元素以键信息为索引访问D:字典长度是可变的‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬答案:字典中的键可以对应多个值信息Python不支持的数据类型有（）

A:listB:intC:floatD:char答案:char下面的Anaconda工具中，（）不能直接用来编辑和运行源代码。

A:SpyderB:JupyternotebookC:VSCodeD:AnacondaNavigator答案:AnacondaNavigator回归问题和分类问题都属于有监督学习。（）

A:正确B:错误答案:正确使用三引号创建字符串时不允许使用转义符。（）

A:正确B:错误答案:错误学习率设置大一些可以提高模型的收敛速度，效果更好。（）

A:正确B:错误答案:错误tf_version_可用来查看当前Tensorflow的版本号。

A:错误B:正确答案:正确TensorFlow2.0中，只提供了以e为底的自然对数运算，如果需要计算以其他底数的对数运算，可以利用换底公式来实现。（）

A:错误B:正确答案:正确多维向量乘法运算时，会先用张量的最后两维做向量乘法，然后高维采用广播机制，得到运算结果。

A:错B:对答案:.*安装tensorflow2.0开发环境的步骤是：创建环境并激活；安装需要的模块和包；安装tensorflow2.0；测试。（）

A:正确B:错误答案:正确采用SoftMax作为模型的最后一层对鸢尾花分三类需要三个神经元。（）

A:正确B:错误答案:正确JupyterNotebook不仅可以编辑和运行程序，而且还可以将程序和文档组织在一起，将代码、图像、注释、公式、图形、甚至运行结果都整合在同一个文档中，编写出漂亮的交互式文档。（）

A:错B:对答案:对如果训练集的准确率高，那么测试集的准确率也一定高。

A:错B:对答案:错一般来说，回归不用在分类问题上，但是也有特殊情况，比如logistic回归可以用来解决0/1分类问题。（）

A:对B:错答案:对在某些情况下，可以用回归解决分类问题，例如：逻辑回归可以解决二分类问题。（）

A:正确B:错误答案:正确创建一个值为[10，49]的数组的语句为（）。

A:np.arange(10,49)B:np.arange(10,50)C:np.linspace(10,49)D:np.range(10,50)答案:AI参考:正确答案是【C】np.linspace(10,49)。\n\nnp.arange(start,stop[,step])和np.range(start,stop[,step])用于生成等差数列，但是这里生成的数组的元素个数为50个，因此这两个选项都不合适。np.linspace(start,stop[,num])是用于生成等差数列的，其中start和stop是数列的起点和终点，而num则是数列的个数，根据这个可以得出正确的答案。所以正确选项为C。'以下程序的输出结果是（）。

x=3

while

x＜6:

ifx==4:

break

ifx%2==0:

continue

x+=1

print(x)

A:3B:死循环C:无输出D:4答案:AI参考:程序的输出结果是：D:4。\n\n程序中，x从3开始，进入while循环。在循环体中，首先检查x是否等于4，如果是，则跳出循环，程序结束。但在这里，x并不等于4，因此程序继续执行。接下来检查x是否为偶数，由于x为奇数，所以ifx%2==0的条件不满足，程序继续执行下一次循环。最后，x增加1，输出结果为4。\n\n因此，这个程序并不会进入死循环，而是会按照预期的逻辑进行输出。所以答案是D：4。'以下程序的输出结果是。

img1=[['北京',98],['上海',80]]

img1[1]=90

print(img1)（）

答案:"AI参考:输出结果是[[北京,90],[上海,80]]。在Python中，列表的索引是从0开始的，所以img1[1]实际上是访问并修改了第二个元素的值。所以，当我们将img1[1]的值改为90时，列表中的第二个元素的值就被修改为了90。因此，最后的输出结果就是[[北京,90],[上海,80]]。"给出如下代码：‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬

deffunc(a,b):‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬

c=a**2+b

b=a

returnc

a=10

b=100

c=func(a,b)+a

以下选项中错误的是（）

A:a的值为10B:b的值为100C:函数名称为funcD:c的值为200答案:AI参考:选项C错误。\n\n代码中定义了一个名为func的函数，它接受两个参数a和b，返回a的平方加上b的值。函数体中，先将a的值赋给b，再计算a的平方加b的值。最后将该值加上a的值赋给c。\n\n在给出的代码中，a的值为10，b的值为100，c的值为210。因此，选项C错误，因为函数名称不是由代码中定义的func。函数名称应该根据需要自行命名。'以下程序的输出结果是。

a=[“book”,”reader”,200]

a.append(100)

a.append([10,20])

print(a)（）

A:[“book”,”reader”,200,100,10,20]B:[“book”,”reader”,200,100]C:[“book”,”reader”,200,100,[10,20]]D:[“book”,”reader”,200,100,10,[20]]答案:AI参考:程序输出的结果应该是D:[“book”,”reader”,200,100,10,[20]]\n\n在Python中，`append()`方法被用来向列表中添加一个元素。在这个程序中，`a`列表首先被添加了字符串`“book”,”reader”,200`，然后又被添加了整数100和列表[10,20]。最后，使用`print()`函数打印出整个列表`a`。由于列表的`append()`方法不会改变列表的顺序，所以最终输出结果是：原有的元素（200,100）后面跟上了新的元素（10,[20]）。因此，答案是D。'下列（）方法可以实现两个张量逐元素相乘。

A:tf.add(x,y)B:z=x@yC:tf.multiply(x,y)D:tf.sub(x,y)答案:AI参考:正确选项是C:tf.multiply(x,y)。tf.multiply(x,y)方法用于将两个张量逐元素相乘。它可以处理两个相同形状的张量，并返回一个新的张量，其中每个元素都是输入张量对应位置元素的乘积。选项A和D中的tf.add(x,y)和tf.sub(x,y)分别用于加法和减法操作，选项B中的@符号是TensorFlow中的张量运算符，但并不能实现两个张量的逐元素相乘。'如果依次输入3,10,5.3,4,-2，请问以下程序的输出结果是。

number=eval(input())

max=number

whilenumber＞0:

number=eval(input())

ifnumber＞max:

max=number

print(max)（）

A:3B:10C:-2D:5.3答案:AI参考:选项B\n\n解析：首先输入的数字3、10、5.3和4都比数字max小，只有最后输入的数字-2大于当前最大值max，所以将-2赋值给max。\n\n最终输出的结果是-2。'执行下列程序段，输入数值8，输出的结果是。

x=input()

y=x*3

print(y)（）

A:”83”B:”888”C:程序出错D:24答案:AI参考:答案：D。\n执行程序段后，x=8，y=24，因此输出结果为y的值，即24。因此，正确选项为D：“24”。'以下程序的输出结果是（）。‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬sum=0.0fornuminrange(1,11):

sum+=numprint(sum)

A:45B:45.0C:55.0D:55答案:AI参考:正确选项是B:45.0。\n\n程序中的for循环会从1遍历到10，每次将当前数加到sum变量中。最后输出sum的值，即1+2+3+...+10的和，结果是45。由于浮点数在输出时会自动转换为最接近的十进制表示，所以输出结果为45.0。'以下（）是python的单行注释表示。

A:/*注释*/B:#注释C:%注释D://注释答案:AI参考:正确选项是B:#注释。\n\n在Python中，单行注释通常使用"#"符号表示。这个符号后面的内容会被Python解释器忽略，通常用于添加对代码的解释或备注。例如：\n\n\n```python\n#这是一个注释\nprint("Hello,world!")#输出"Hello,world!"\n```\n选项A和C中的符号"/*"和"%"并不是Python中的注释符号，选项D中的符号"//"通常用于多行注释。因此，选项B"#"是Python中单行注释的正确表示方式。'

程序输出的结果是（）。

for

i

inrange(4):

forjinrange(i,3):

if(i+j)%2==0:

print(i,j)

break

A:

0022B:

001122C:

0011D:

1122答案:AI参考:正确答案是B。\n\n程序输出的结果是：00122。这是两层嵌套循环的结果。外部循环从0到3，依次打印每个内循环的范围值（从i到2），且因为内部循环i的步长是i-j，所以第二个j的输出会在i上步长为j+1。最终的输出顺序就是遍历外部循环后内部的每个范围的结果，符合顺序依次输出。所以，输出结果是00122。'关于return语句，以下描述正确的是：（）

A:函数中最多只有一个return语句B:函数必须有一个return语句C:函数可以没有return语句D:return只能返回一个值答案:AI参考:正确选项是：D:return只能返回一个值。\n\n在函数中使用return语句需要满足以下条件：\n\n1.return语句必须是函数的最后一个语句。\n2.return语句只能返回一个值，如果需要返回多个值，可以使用元组等结构体类型进行返回。\n\n因此，选项D是正确的描述。选项A和B都存在限制条件，选项C则是不正确的描述，因为函数可以没有return语句，但这种情况会导致函数无法正常结束并返回结果。'下面程序段的输出结果是。

forsin"祖国,你好！":

ifs==",":

continue

print(s,end="")（）

A:祖国,B:你好！C:祖国,你好！D:祖国你好！答案:AI参考:答案为C：祖国,你好！\n\n程序段遍历字符串"祖国,你好！"中的每个字符，当遇到逗号","时，使用continue语句跳过当前循环迭代，继续下一次迭代。因此，当遍历到"祖国,"时，会跳过后面的字符，只输出"祖国，"；当遍历到"你好！"时，会输出该字符，即"你好！"。所以程序的输出结果为"祖国,你好！"。\n\n因此，正确选项为C：祖国,你好！。'执行下面代码，得到的正确结果是。

a=[2,4,1,5,3]

a.reverse(True)

print(a)（）

A:其余都不对B:[5,4,3,2,1]C:[2,4,1,5,3]D:[1,2,3,4,5]答案:AI参考:执行以下代码，得到的正确结果是B：`[5,4,3,2,1]`。\n\n在Python中，`reverse()`函数用于将列表反转。如果传入的参数为`True`，那么会交换列表中相邻元素的顺序，实现反转。因此，原本的列表`a=[2,4,1,5,3]`会被反转为`[5,4,3,2,1]`。\n\n代码解释：\n\n*`a=[2,4,1,5,3]`：定义一个列表a，包含5个元素。\n*`a.reverse(True)`：调用列表的`reverse()`函数，将列表反转。\n*`print(a)`：打印反转后的列表。\n\n选项A、C、D都是错误的，因为只有选项B是正确的，它描述了代码运行后的结果。'以下语句中b的shape为。

import

numpy

as

np

a=np.array([[1,2.3],[3,5]])

b=tf.constant(a)（）

A:(2,2)B:(1,1)C:其余都不对D:(2,3)答案:AI参考:从给出的代码和语句来看，这里使用了Numpy库来创建了一个二维数组a，然后使用TensorFlow的tf.constant()函数将这个数组转换为一个Tensor对象。这个Tensor对象b的shape应该与原始数组a的shape相同，即(2,2)。所以，正确的选项是A:(2,2)。'字典d={'A':1,'B':2,'C':3}，len(d)的结果是（）。

A:3B:6C:5D:12答案:AI参考:正确答案是C，字典d中每个键值对都是一个元素，字典中的键是唯一的，因此len(d)的结果是5。键的数量为3，对应的值有重复，但不会影响键的数量。所以选择C选项。'执行下面代码，以下说法正确的是。

x=['bob','tom','kitty']

y=[80,90,95]

d=dict(zip(x,y))（）

答案:"AI参考:正确选项是D.d是一个字典，其中键是x列表中的元素，值是y列表中的元素。解释：*`x=[bob,tom,kitty]`：定义了一个列表x，包含三个字符串元素。*`y=[80,90,95]`：定义了一个列表y，包含三个整数元素。*`d=dict(zip(x,y))`：使用`zip`函数将x和y列表中的对应元素打包成一个个元组，再将这些元组作为字典的键值对。因此，d是一个字典，其中键是x列表中的元素（即[bob,tom,kitty]），值是y列表中的元素（即[80,90,95]）。所以，对于这段代码的正确说法是D.d是一个字典，其中键是x列表中的元素，值是y列表中的元素。"下列（）函数可以用来创建元素符合均匀分布的张量。

A:tf.fill()B:tf.range()C:tf.random.uniform()D:tf.random.normal()答案:AI参考:正确选项是C:tf.random.uniform()。\n\ntf.random.uniform()函数可以用来创建元素符合均匀分布的张量。该函数接受三个参数：最小值、最大值和形状，可以根据需要指定张量的形状和范围。\n\ntf.fill()函数用于填充张量中的元素，通常用于填充特定值，而不是创建符合均匀分布的张量。\n\ntf.range()函数用于生成一个范围序列，但无法直接用于创建符合均匀分布的张量。\n\ntf.random.normal()函数可以用来创建元素符合正态分布的张量，而不是均匀分布。\n\n因此，选项C是正确答案。'在sum初始值为0的情况下，以下语句不能完成1~10的累加求和的是（）。

A:foriinrange(10,0,-1):sum+=iB:foriinrange(11):sum+=iC:foriinrang