题目内容（请给出正确答案）

[主观题]

执行下面代码段，对其输出结果描述错误的是_______。 import tensorflow as tf import numpy as np

import matplotlib.pyplot as plt mnist = tf.keras.datasets.mnist (train_x, train_y), (test_x, test_y) = mnist.load_data() for i in range(9): num = np.random.randint(1,60000) plt.subplot(3, 3, i+1) plt.axis("off") plt.imshow(train_x[num], cmap=’gray’) plt.title(train_y[num]) plt.show()

A、该代码段的功能为随机显示8幅数字图片

B、重复运行4次代码段，每次的运行结果都不相同

C、每个子图的标题为该手写数字的标签值

D、运行结果中不会显示图像的坐标轴

暂无答案

如搜索结果不匹配，请联系老师获取答案

您可能会需要：

重置密码查看订单联系客服

安装上学吧APP，拍照搜题省时又省心！

更多“执行下面代码段，对其输出结果描述错误的是_______。 i…”相关的问题

第1题

运行下面程序，结果正确的是_______。 import tensorflow as tf import numpy as np tf.constant(np.array([1.0, 2.0]))

A、<tf.tensor: id="9," shape="(2,)," dtype="float64," numpy="array([1.," 2.])>

B、<tf.tensor: id="9," shape="(1,2)," dtype="float64," numpy="array([1.," 2.])>

C、<tf.tensor: id="9," shape="(2,)," dtype="float32," numpy="array([1.," 2.])>

D、<tf.tensor: id="9," shape="(2,1)," dtype="float32," numpy="array([1.," 2.])>

点击查看答案

第2题

下面程序的执行结果是______。 import tensorflow as tf import numpy as np x = tf.Variable(np.random.randn(3, 1)) print(x.dtype)

A、float32

B、float64

C、int64

D、int32

点击查看答案

第3题

执行下列程序段，对其结果描述错误的是。 import tensorflow as tf tf.random.truncated_normal(shape=(2, 2), mean=0.0, stddev=2.0)

A、生成的张量中可能出现[-4,4]以外的点

B、每次运行的结果都不同

C、生成的随机张量形状为(2, 2)

D、生成的随机张量的数据类型为float32

点击查看答案

第4题

下列程序的执行结果为______。 import tensorflow as tf import numpy as np a = tf.Variable(np.array([2., 1.])) b = tf.Variable([4., 3.], dtype = tf.float64) print(a.dtype, b.dtype)

A、(tf.float32, tf.float64)

B、(tf.float64, tf.float32)

C、(tf.float64, tf.float64)

D、(tf.float32, tf.float32)

点击查看答案

第5题

运行下面程序，结果正确的是______。 import tensorflow as tf import pandas as pd TRAIN_URL = "http://download.tensorflow.org/data/iris_training.csv" train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1], TRAI

A、(78, 2)

B、(120, 2)

C、(120, )

D、(78, )

点击查看答案

第6题

对手写数字数据集MNIST中的train_x训练集(60000,28,28)进行切片，下面对切片结果描述错误的是_______。 import tensorflow as tf import numpy as np mnist = tf.keras.datasets.mnist (train_x, train_y), (test_x, test_y) = mnist.load_data()

A、train_x[0, :, :]：第1张图片

B、train_x[0:10, :, :]：前10张图片

C、train_x[:, 0:28:2, :]：对所有图片隔行采样

D、train_x[0:28:2, :, :]：对所有图片隔列采样

点击查看答案

第7题

执行下面程序段，运行结果是______。 import tensorflow as tf x = tf.Variable(4.) with tf.GradientTape() as tape: y = tf.square(x) dy_dx = tape.gradient(y, x) print(y.numpy(),dy_dx.numpy())

A、8.0 16.0

B、16.0 4.0

C、8.0 4.0

D、16.0 8.0

点击查看答案

第8题

TensorFlow中使用什么来描述计算过程？

A、数据流图

B、会话

C、参数

D、张量

点击查看答案