人工智能系統(tǒng)管理與維護(hù)課后習(xí)題答案

一、選擇題（1）下列說法正確的是（C）A.人工智能的概念是在1960年提出的B.人工智能不是一門學(xué)科C.人工智能是讓機(jī)器的行為看起來就像是人類所表現(xiàn)出的智能行為一樣D.深度學(xué)習(xí)的理論基礎(chǔ)是遺傳算法（2）下面屬于人工智能研究領(lǐng)域有（D）A.機(jī)器視覺B.專家系統(tǒng)C.自然語言處理D.以上都是（3）下列說法錯(cuò)誤的是？（）A.神經(jīng)網(wǎng)絡(luò)可以泛指生物神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)B.人工神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層、輸出層組成，層與層之間、層內(nèi)之間都通過神經(jīng)元連接C.深度學(xué)習(xí)一般指具有多個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)D.卷積神經(jīng)網(wǎng)絡(luò)一般包含輸入層、卷積層、池化層、全連接層和輸出層（4）深度學(xué)習(xí)能取得成功，主要依賴以下條件，除了（）A.大規(guī)模數(shù)據(jù)B.大量的算法C.串行計(jì)算D.GPU并行計(jì)算（5）常用的深度學(xué)習(xí)算法庫，不包括（）A.TensorFlowB.PyTorchC.CaffeD.CNKI（6）下列說法錯(cuò)誤的是（）A.TensorFlow是由Google公司的GoogleBrain（谷歌大腦）開發(fā)和維護(hù)的B.PyTorch是由Facebook

的人工智能研究小組開發(fā)的C.TensorFlow只可在CPU（中央處理器）上運(yùn)行D.TensorFlow官方軟件包支持Ubuntu、Windows、macOS和RaspberryPi（樹莓派）系統(tǒng)（7）下面屬于人工智能相關(guān)就業(yè)方向有（）A.機(jī)器學(xué)習(xí)B.深度學(xué)習(xí)C.數(shù)據(jù)處理D.以上都是（8）人工智能時(shí)代，對(duì)人才提出了更高的要求，其中不包括（）A.構(gòu)建必備的知識(shí)體系B.利用人工智能技術(shù)獲得非法利益C.樹立信息安全意識(shí)D.不斷學(xué)習(xí)人工智能相關(guān)新技能二、思考題（1）人工智能的應(yīng)用領(lǐng)域隨著人工智能技術(shù)的發(fā)展，人工智能已經(jīng)成為了社會(huì)進(jìn)步的核心驅(qū)動(dòng)力。人工智能主要應(yīng)用在哪些領(lǐng)域？試舉例說明人工智能在某個(gè)領(lǐng)域的典型應(yīng)用。參考人工智能主要應(yīng)用主要包含場(chǎng)景服務(wù)和智能硬件產(chǎn)品兩個(gè)分類。場(chǎng)景服務(wù)應(yīng)用領(lǐng)域主要包括智慧醫(yī)療、智慧農(nóng)業(yè)、智慧交通、智慧教育、智慧金融、智慧零售、智慧工廠、智慧城市等，提高各產(chǎn)業(yè)智能化程度。智能硬件產(chǎn)品應(yīng)用領(lǐng)域包括智能機(jī)器人、智能硬件單品、無人系統(tǒng)。舉例：交通銀行智能服務(wù)機(jī)器人-嬌嬌（智能機(jī)器人）智能服務(wù)機(jī)器人嬌嬌作為交通銀行的一款智能服務(wù)機(jī)器人，其用途非常廣泛，能代替人工進(jìn)行引導(dǎo)服務(wù)、集業(yè)務(wù)咨詢與查詢等多項(xiàng)功能于一體，通過語音識(shí)別、肢體語言等方式，開展迎賓、分流引導(dǎo)、疏解爭(zhēng)議、娛樂互動(dòng)等。（2）理解深度學(xué)習(xí)發(fā)展背后的原因深度學(xué)習(xí)是近10年機(jī)器學(xué)習(xí)領(lǐng)域發(fā)展最快的一個(gè)分支，深度學(xué)習(xí)模型的發(fā)展可以追溯到1958年的感知機(jī)（Perceptron）。深度學(xué)習(xí)與早期的神經(jīng)網(wǎng)絡(luò)模型有何不同？為什么需要依賴大規(guī)模的數(shù)據(jù)？對(duì)數(shù)據(jù)有何要求？參考1958年的感知機(jī)（Perceptron）存在的缺陷為：不能處理異或回路等非線性問題，以及當(dāng)時(shí)存在計(jì)算能力不足以處理大型神經(jīng)網(wǎng)絡(luò)的問題。深度學(xué)習(xí)一般指具有多個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)，“深度”某種意義上是指神經(jīng)網(wǎng)絡(luò)的層數(shù)，深度學(xué)習(xí)通過逐層特征變換將樣本在原空間的特征表示變換到一個(gè)新特征空間，能夠發(fā)現(xiàn)海量數(shù)據(jù)中的復(fù)雜結(jié)構(gòu)。大數(shù)據(jù)出現(xiàn)，海量數(shù)據(jù)為深度學(xué)習(xí)提供燃料和更多訓(xùn)練數(shù)據(jù)，數(shù)據(jù)樣本越多，訓(xùn)練出來的模型理論上越符合實(shí)際，才能深度挖掘各行業(yè)數(shù)據(jù)，為行業(yè)發(fā)展提供決策。深度學(xué)習(xí)模型學(xué)習(xí)的參數(shù)越多，訓(xùn)練所需的數(shù)據(jù)也會(huì)增加。不同的訓(xùn)練模型對(duì)數(shù)據(jù)有不同的要求，總的來說，數(shù)據(jù)樣本不同分類數(shù)量要盡量均衡，選擇合適的樣本數(shù)量等。數(shù)據(jù)太少，會(huì)導(dǎo)致模型訓(xùn)練結(jié)果沒有實(shí)際參考意義，可能會(huì)出現(xiàn)過擬合。模型訓(xùn)練可以采用開源數(shù)據(jù)集（已經(jīng)標(biāo)注好的）是比較便捷的做法。對(duì)于自己采集的數(shù)據(jù)，需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理（清洗、標(biāo)注、增強(qiáng)等操作）。（3）大學(xué)生在人工智能時(shí)代的應(yīng)對(duì)策略隨著人工智能技術(shù)的大力發(fā)展，人工智能將與傳統(tǒng)行業(yè)深度融合，促進(jìn)著傳統(tǒng)行業(yè)的數(shù)字化轉(zhuǎn)型，同時(shí)又不斷衍生出新行業(yè)。人工智能將大量取代簡(jiǎn)單重復(fù)性、數(shù)字化、程序化等勞動(dòng)密集型工作，將對(duì)工作提出更高的要求。結(jié)合自身實(shí)際，談?wù)劥髮W(xué)生應(yīng)該如何應(yīng)對(duì)人工智能時(shí)代？參考人工智能時(shí)代給大學(xué)生就業(yè)帶來一些挑戰(zhàn)，但是也提供了很多發(fā)揮創(chuàng)造力的機(jī)會(huì)。當(dāng)代大學(xué)生除了要具備人才的基本素質(zhì)和能力要求（例如正確的價(jià)值取向、扎實(shí)的專業(yè)技能、創(chuàng)新的思維與能力、獨(dú)立自主并勇于承擔(dān)社會(huì)責(zé)任的道德品格、積極向上的奮斗精神等）外，還需要：加強(qiáng)對(duì)人工智能的認(rèn)知：主動(dòng)學(xué)習(xí)人工智能及其他領(lǐng)域的相關(guān)知識(shí)，主動(dòng)去面對(duì)這個(gè)社會(huì)的快速變化與發(fā)展，練就扎實(shí)的立身本領(lǐng)；積極參加人工智能相關(guān)創(chuàng)新創(chuàng)業(yè)和技能競(jìng)賽：通過以賽促學(xué)，將創(chuàng)新思維轉(zhuǎn)化為實(shí)際行動(dòng)，在競(jìng)賽中夯實(shí)所學(xué)的知識(shí)；養(yǎng)成終身學(xué)習(xí)的習(xí)慣：合理利用新媒體等渠道去了解行業(yè)現(xiàn)狀、自己專業(yè)的發(fā)展方向以及就業(yè)需求，結(jié)合自身情況，有針對(duì)性地去培養(yǎng)自己的就業(yè)能力。要培養(yǎng)終身學(xué)習(xí)的習(xí)慣，提升自己的獨(dú)特性和不可替代性，同時(shí)在選擇工作時(shí)要盡可能規(guī)避那些受到人工智能沖擊較大的工作崗位，以便將來在崗位上更好地發(fā)展和晉升。一、選擇題（1）下列說法錯(cuò)誤的是（）。A.計(jì)算機(jī)網(wǎng)絡(luò)通常是由網(wǎng)絡(luò)硬件和網(wǎng)絡(luò)軟件構(gòu)成。B.計(jì)算機(jī)網(wǎng)絡(luò)的目的是把要處理的任務(wù)集中在一臺(tái)大型計(jì)算機(jī)上。C.計(jì)算機(jī)網(wǎng)絡(luò)通信通道可以傳輸各種類型的信息，包括數(shù)據(jù)信息和圖形、圖像、聲音、視頻流等各種多媒體信息。D.計(jì)算機(jī)聯(lián)網(wǎng)后，可以在某個(gè)中心位置實(shí)現(xiàn)對(duì)整個(gè)網(wǎng)絡(luò)的管理。（2）下面屬于網(wǎng)絡(luò)資源評(píng)估指標(biāo)的有（）。A.網(wǎng)絡(luò)可用性B.網(wǎng)絡(luò)使用率C.網(wǎng)絡(luò)抖動(dòng)D.以上都是（3）下面說法正確的是（）。A.計(jì)算機(jī)網(wǎng)絡(luò)按拓?fù)浣Y(jié)構(gòu)分類可以分為總線型和星型。B.計(jì)算機(jī)網(wǎng)絡(luò)按照覆蓋范圍分類可以分為廣域網(wǎng)和局域網(wǎng)。C.計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)是通過線路和通信設(shè)備等，將處在不同地理位置的獨(dú)立的計(jì)算機(jī)連接起來，以實(shí)現(xiàn)信息傳遞和資源共享功能的技術(shù)手段。D.計(jì)算機(jī)網(wǎng)絡(luò)的最初嘗試出現(xiàn)在英國(guó)，是在軍隊(duì)中出現(xiàn)的新連接方式。（4）下列不屬于常用的設(shè)備處理器的是（）。A.CPUB.PPUC.TPUD.GPU（5）下列不屬于英特爾桌面處理器系列的是（）。A.奔騰B.酷睿C.靈動(dòng)D.賽揚(yáng)（6）英偉達(dá)哪個(gè)系列的顯卡是面向消費(fèi)級(jí)（）。A.TeslaB.GeForceC.QuadroD.Ryzen（7）計(jì)算機(jī)中的硬盤一般分為（）。A.固態(tài)硬盤B.機(jī)械硬盤C.混合硬盤D.以上都是（8）以下云存儲(chǔ)支持的存儲(chǔ)類型，不包括（）。A.對(duì)象存儲(chǔ)B.文件存儲(chǔ)C.數(shù)據(jù)庫存儲(chǔ)D.字節(jié)存儲(chǔ)（9）下列說法錯(cuò)誤的是（）。A.硬盤是電腦主要的存儲(chǔ)媒介之一，由一個(gè)或者多個(gè)鋁制或者玻璃制的碟片組成。B.固態(tài)硬盤用固態(tài)電子存儲(chǔ)芯片陣列而制成的硬盤，由控制單元和存儲(chǔ)單元(FLASH芯片、DRAM芯片)組成。C.固態(tài)硬盤在接口的規(guī)范和定義、功能及使用方法上、產(chǎn)品外形和尺寸上與傳統(tǒng)的硬盤都有很大不同。D.軟盤（FloppyDisk）是個(gè)人計(jì)算機(jī)（PC）中最早使用的可移動(dòng)介質(zhì)。（10）下列關(guān)于計(jì)算機(jī)存儲(chǔ)容量單位的說法中，錯(cuò)誤的是()。A.1KB<1MB<1GBB.基本單位是字節(jié)（Byte）C.一個(gè)漢字需要一個(gè)字節(jié)的存儲(chǔ)空間一個(gè)字節(jié)能夠容納一個(gè)英文字符二、思考題（1）GPU與CPU之間的區(qū)別隨著人工智能時(shí)代的到來，近年來深度學(xué)習(xí)的應(yīng)用場(chǎng)景越來越多，在生活各個(gè)方面都有需求。深度學(xué)習(xí)搭建的各種算法模型需要依托非常好的硬件平臺(tái)才能達(dá)到好的效果，足夠的硬件平臺(tái)算力是深度學(xué)習(xí)的關(guān)鍵。在人工智能系統(tǒng)開發(fā)中，在硬件設(shè)備選擇上，通常有GPU和CPU兩種選擇，GPU和CPU之間的區(qū)別有哪些呢？參考（1）CPU和GPU之所以大不相同，是由于其設(shè)計(jì)目標(biāo)的不同，它們分別針對(duì)了兩種不同的應(yīng)用場(chǎng)景。（2）CPU基于低延時(shí)的設(shè)計(jì)，CPU有強(qiáng)大的ALU（算術(shù)運(yùn)算單元）,它可以在很少的時(shí)間周期內(nèi)完成算術(shù)計(jì)算。（3）GPU是基于大的吞吐量設(shè)計(jì)，GPU的特點(diǎn)是有很多的ALU（算術(shù)運(yùn)算單元）和很少的cache（緩存）。（4）CPU擅長(zhǎng)邏輯控制、串行的運(yùn)算，GPU擅長(zhǎng)的是大規(guī)模并發(fā)計(jì)算。（2）5G技術(shù)給人工智能發(fā)展帶來的機(jī)會(huì)從1G到4G，移動(dòng)通信的核心是人與人之間的通信，個(gè)人的通信是移動(dòng)通信的核心業(yè)務(wù)。但是第五代移動(dòng)通信技術(shù)（5G）的通信不僅僅是人的通信，而是\o"物聯(lián)網(wǎng)"\t"/html/2018-06/_blank"物聯(lián)網(wǎng)、工業(yè)自動(dòng)化、無人駕駛被引入，通信從人與人之間通信開始轉(zhuǎn)向人與物的通信，直至機(jī)器與機(jī)器的通信。5G是在4G基礎(chǔ)上，對(duì)于移動(dòng)通信提出更高的要求，它不僅在速度而且還在功耗、時(shí)延等多個(gè)方面有了全新的提升。由此業(yè)務(wù)也會(huì)有巨大提升，互聯(lián)網(wǎng)的發(fā)展已將從移動(dòng)互聯(lián)網(wǎng)進(jìn)入智能互聯(lián)網(wǎng)時(shí)代。5G技術(shù)給當(dāng)下流行的人工智能發(fā)展可以帶來哪些新機(jī)會(huì)呢？參考5G不僅是一項(xiàng)技術(shù)，也是融合傳統(tǒng)產(chǎn)業(yè)、改變舊生態(tài)、催生新業(yè)態(tài)的加速器。在5G的引領(lǐng)下，整合了人工智能、區(qū)塊鏈、大數(shù)據(jù)、云計(jì)算的下一代數(shù)字產(chǎn)業(yè)互聯(lián)網(wǎng)，將打破過去低效率、高成本、高延時(shí)的產(chǎn)業(yè)組織方式，帶來產(chǎn)業(yè)效率的倍增。5G一旦普及，其帶寬成本、設(shè)備延時(shí)的大幅下降，意味著所有傳統(tǒng)的用電設(shè)備的識(shí)別、監(jiān)控等皆可“上網(wǎng)”。從工廠生產(chǎn)來看，全部流程可以通過5G加數(shù)字化技術(shù)實(shí)現(xiàn)自動(dòng)化、智能化，原材料采購、運(yùn)輸、生產(chǎn)、銷售將能夠全部通過人工智能完成；從家庭生活方面來說，所有的設(shè)備運(yùn)轉(zhuǎn)可以交由人工智能控制，把人徹底地從繁瑣的日常作業(yè)中解放出來，從而全身心地投入到文化、藝術(shù)、技術(shù)的創(chuàng)新與創(chuàng)造之中。人類社會(huì)的發(fā)展，就建立在能源、信息、材料、生命科學(xué)等技術(shù)的進(jìn)步之上，技術(shù)進(jìn)步從量變到質(zhì)變，推動(dòng)著社會(huì)政治、經(jīng)濟(jì)、文化不斷前進(jìn)。從長(zhǎng)遠(yuǎn)來看，5G技術(shù)變革，為未來社會(huì)發(fā)展孕育了無限可能。因此，加快以5G為重點(diǎn)的新基建建設(shè)，并力促大規(guī)模投入商用，前瞻性地利用好時(shí)代機(jī)遇、把握好產(chǎn)業(yè)發(fā)展方向，未來的人工智能必將有更多的應(yīng)用場(chǎng)景。（3）云存儲(chǔ)的優(yōu)勢(shì)在人工智能時(shí)代，隨著需要處理的數(shù)據(jù)量越來越大，對(duì)大容量存儲(chǔ)設(shè)備有更大到需求。同時(shí)，網(wǎng)絡(luò)安全問題是互聯(lián)網(wǎng)存在的最為關(guān)鍵的問題，如果計(jì)算機(jī)系統(tǒng)內(nèi)出現(xiàn)病毒、黑客入侵等情況，就會(huì)讓系統(tǒng)中的重要數(shù)據(jù)丟失，給企業(yè)和個(gè)人造成嚴(yán)重?fù)p失，而云存儲(chǔ)技術(shù)剛好可以解決這些問題。用戶按需購買存儲(chǔ)資源，通過虛擬化技術(shù)解決存儲(chǔ)空間的浪費(fèi)，自動(dòng)重新分配數(shù)據(jù)，從而有效提高了存儲(chǔ)空間的利用率，保證數(shù)據(jù)文件的安全性。云存儲(chǔ)具體有哪些優(yōu)勢(shì)？參考云存儲(chǔ)主要是由存儲(chǔ)層、基礎(chǔ)管理層、應(yīng)用接口層、訪問層等部分組成，其核心是應(yīng)用軟件與存儲(chǔ)設(shè)備相結(jié)合，通過應(yīng)用軟件來實(shí)現(xiàn)存儲(chǔ)設(shè)備向存儲(chǔ)服務(wù)的轉(zhuǎn)變，由此可見，云存儲(chǔ)不只是存儲(chǔ)，而是一種服務(wù)。云存儲(chǔ)技術(shù)有著其他存儲(chǔ)技術(shù)無可比擬的優(yōu)勢(shì)，具體主要體現(xiàn)在以下幾個(gè)方面：1）云存儲(chǔ)技術(shù)可以實(shí)現(xiàn)數(shù)據(jù)的自動(dòng)化管理和智能化管理。計(jì)算機(jī)系統(tǒng)中安裝云存儲(chǔ)技術(shù)，可以讓數(shù)據(jù)存儲(chǔ)管理工作變得更為輕松，逐漸朝著智能化和自動(dòng)化的方向發(fā)展，讓客戶能夠看到單一的存儲(chǔ)空間，保證數(shù)據(jù)文件存儲(chǔ)效果。2）云存儲(chǔ)技術(shù)可以提高數(shù)據(jù)文件存儲(chǔ)的安全性。以往數(shù)據(jù)文件存儲(chǔ)階段，經(jīng)常會(huì)遇到數(shù)據(jù)文件被盜取、被破壞等問題，導(dǎo)致數(shù)據(jù)文件資料難以被使用，出現(xiàn)嚴(yán)重的經(jīng)濟(jì)損失。在云存儲(chǔ)技術(shù)的支持下，可以有效保證數(shù)據(jù)文件的安全性、可靠性，從而為海量數(shù)據(jù)文件的管理工作提供有效的幫助。3）云存儲(chǔ)技術(shù)可以降低運(yùn)營(yíng)成本。傳統(tǒng)的存儲(chǔ)技術(shù)在使用階段經(jīng)常會(huì)出現(xiàn)數(shù)據(jù)資源浪費(fèi)的問題，讓企業(yè)運(yùn)營(yíng)成本無法得到保證。在云存儲(chǔ)技術(shù)支持下，能夠?qū)崿F(xiàn)規(guī)模效應(yīng)和彈性擴(kuò)展，從而有效解決存儲(chǔ)資源的浪費(fèi)問題，從根本上降低運(yùn)營(yíng)成本。一、選擇題（1）下列屬于制作U盤啟動(dòng)盤過程中所需的軟件和工具的是（）一個(gè)4G及以上的U盤系統(tǒng)的鏡像文件U盤啟動(dòng)盤制作軟件以上都是（2）下列哪個(gè)不屬于我們?cè)诎惭bUbuntu系統(tǒng)時(shí)創(chuàng)建的分區(qū)（）//boot/tmp/home（3）在制作U盤啟動(dòng)盤時(shí)，寫入硬盤映像的寫入方式為（）RAWUSB-HDD+USB-ZIPUSB-RAW（4）下列哪些用戶適合使用云服務(wù)器（）對(duì)業(yè)務(wù)的彈性擴(kuò)展能力有需求的用戶注重主機(jī)服務(wù)性價(jià)比的用戶需要快速實(shí)現(xiàn)分布式部署的用戶以上都是（5）華為彈性云服務(wù)器計(jì)費(fèi)方式有幾種（）1234（6）華為彈性云服務(wù)器購買過程中，不需要進(jìn)行的設(shè)置是（）網(wǎng)絡(luò)設(shè)置性能設(shè)置基礎(chǔ)設(shè)置高級(jí)設(shè)置（7）下列屬于搭建VMware虛擬服務(wù)環(huán)境所需軟件和工具的是（）移動(dòng)硬盤VMware虛擬機(jī)軟件系統(tǒng)光盤U盤（8）新建的虛擬機(jī)內(nèi)存最小為（）256M512M1G2G（9）下列不屬于虛擬機(jī)的網(wǎng)絡(luò)連接方式的是（）使用網(wǎng)絡(luò)地址轉(zhuǎn)換使用橋接網(wǎng)絡(luò)自動(dòng)連接使用僅主機(jī)模式網(wǎng)絡(luò)（10）下列屬于搭建GPU環(huán)境需要涉及的是（）NVIDIAGPU驅(qū)動(dòng)程序CUDA工具包c(diǎn)uDNN加速庫以上都是（11）GPU環(huán)境對(duì)顯卡的算力要求最低是（）5.5（12）cmd中測(cè)試CUDA是否安裝成功的命令是（）testnvcc-Vnvcc-versionNvcc--V二、思考題（1）在Windows上搭建Ubuntu雙系統(tǒng)由于軟件開發(fā)需要，可能需要在一臺(tái)電腦上搭建兩個(gè)操作系統(tǒng)，如何在Windows上搭建Ubuntu雙系統(tǒng)？參考步驟：在Windows系統(tǒng)中創(chuàng)建磁盤分區(qū)，通過壓縮卷得到足夠大的未分配空間。禁用安全啟動(dòng)(SecureBoot)。制作Ubuntu的系統(tǒng)啟動(dòng)U盤。U盤安裝Ubuntu，注意安裝類型選擇“其他選項(xiàng)”，分區(qū)時(shí)選擇空閑空間（第一步壓縮得到的未分配的空間）進(jìn)行分區(qū)。EasyBCD引導(dǎo)Ubuntu。參考網(wǎng)址：/p/d79821e9fdbe（2）如何搭建阿里云服務(wù)器環(huán)境云服務(wù)常規(guī)上是指通過網(wǎng)絡(luò)以按需、易擴(kuò)展的方式獲得所需服務(wù)。簡(jiǎn)單來說，云服務(wù)可以將企業(yè)所需的軟硬件、資料都放到網(wǎng)絡(luò)上，在任何時(shí)間、地點(diǎn)，使用不同的IT設(shè)備互相連接，實(shí)現(xiàn)數(shù)據(jù)存取、運(yùn)算等目的。如何搭建阿里云服務(wù)器環(huán)境？參考阿里云服務(wù)器環(huán)境搭建步驟如下：注冊(cè)并登錄賬號(hào)，網(wǎng)址：/；購買云服務(wù)器ECS，進(jìn)行基礎(chǔ)配置、網(wǎng)絡(luò)和安全組配置、系統(tǒng)配置、分組設(shè)置、確認(rèn)訂單，最后付費(fèi)購買；下載putty.uk/~sgtatham/putty/latest.html安裝并運(yùn)行；查看公網(wǎng)地址，在putty中輸入公網(wǎng)地址并登錄。（3）Ubuntu系統(tǒng)分區(qū)Ubuntu是基于Linux的免費(fèi)開源桌面PC操作系統(tǒng)。Ubuntu的目標(biāo)是為一般用戶提供一個(gè)穩(wěn)定的、主要由自由軟件構(gòu)建而成的操作系統(tǒng)。Ubuntu系統(tǒng)主要的分區(qū)有哪些？如何進(jìn)行分區(qū)？參考主要分區(qū)有：/、/boot、/home、交換分區(qū)。需設(shè)置分區(qū)類型、分區(qū)大小、文件系統(tǒng)類型，以500G磁盤為例：/設(shè)置為主分區(qū)，文件系統(tǒng)類型為Ext4，大小50G；/boot設(shè)置為邏輯分區(qū)，文件系統(tǒng)為Ext4，大小1G；/home設(shè)置為邏輯分區(qū)，文件系統(tǒng)類型為Ext4，大小為剩余全部空間；交換分區(qū)設(shè)置為邏輯分區(qū)，大小為15G。一、選擇題（1）退出Python編譯環(huán)境的命令是（）。quitexitquit()exit()D（2）下列領(lǐng)域中，使用Python可以實(shí)現(xiàn)的是（)。(多選）Web開發(fā)操作系統(tǒng)管理科學(xué)計(jì)算游戲ABCD（3）下列選項(xiàng)中，不屬于Python語言特點(diǎn)的是（）。簡(jiǎn)單易學(xué)開源面向過程可移植性D（4）查看Anaconda版本的命令（）。conda-vconda-Vconda-versionconda-VersionB（5）在Anaconda中，下面創(chuàng)建虛擬環(huán)境正確的命令是（）condacreate-ntestaienvpython=3.8condacreate-ntestaienvcondacreate-ntestaienvpythoncondacreatetestaienvpython=3.8A（6）在Anaconda中，激活testaienv虛擬環(huán)境的命令是（）deactivatetestaienvactivatetestaienvcondadeactivatetestaienvcondaactivatetestaienvD（7）TensorFlow是一個(gè)用于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的端到端開源平臺(tái)，是否正確（）TrueFalseA（8）在Linux系統(tǒng)中安裝TensorFlow正確的命令是（）pipinstalltensorflow-ipipinstalltensorflow-ipipinstalltensorflow-i/pypipipinstalltensorflow-i/pypi/simpleD（9）在Linux系統(tǒng)中安裝GPU版的TensorFlow正確的命令是（）pipinstalltensorflow-gpu=2.2.0/pypi/simplepipinstalltensorflow-gpu=2.2.0-i/pypi/simplepipinstalltensorflow-gpu==2.2.0/pypi/simplepipinstalltensorflow-gpu==2.2.0-i/pypi/simpleD（10）TensorF1ow是下列哪個(gè)公司首先開發(fā)的（）甲骨文Facebook英偉達(dá)GoogleB二、思考題（1）探索Python的應(yīng)用領(lǐng)域Python作為一門功能強(qiáng)大的高級(jí)編程語言，因其簡(jiǎn)單易學(xué)而受到很多科研學(xué)者和軟件開發(fā)者們的青睞。Python的應(yīng)用領(lǐng)域有哪些呢？請(qǐng)舉例說明。

參考Python的應(yīng)用領(lǐng)域非常廣泛，很多大中型互聯(lián)網(wǎng)企業(yè)都有使用Python，例如國(guó)外的Google、Youtube、Dropbox等，國(guó)內(nèi)的百度、新浪、搜狐、騰訊、阿里、網(wǎng)易、淘寶、知乎、豆瓣、汽車之家、美團(tuán)等。Python的應(yīng)用領(lǐng)域主要有以下幾個(gè)方面：（1）Web應(yīng)用開發(fā)隨著Python的Web開發(fā)框架逐漸成熟（比如Django、Flask、TurboGears、web2py等等），程序員可以更輕松地開發(fā)和管理復(fù)雜的Web程序。例如，全球最大的搜索引擎Google，在其網(wǎng)絡(luò)搜索系統(tǒng)中就廣泛使用Python語言。（2）自動(dòng)化運(yùn)維在主流操作系統(tǒng)中，Python成為標(biāo)準(zhǔn)的系統(tǒng)組件，大多數(shù)Linux發(fā)行版以及NetBSD、OpenBSD和MacOSX都集成了Python，可以在終端下直接運(yùn)行Python。一些Linux發(fā)行版的安裝器采用Python語言編寫，例如Ubuntu的Ubiquity安裝器、RedHatLinux和Fedora的Anaconda安裝器等。通常情況下，Python編寫的系統(tǒng)管理腳本，無論是可讀性，還是性能、代碼重用度以及擴(kuò)展性方面，都優(yōu)于普通的shell腳本。（3）人工智能系統(tǒng)開發(fā)Python已成為人工智能領(lǐng)域內(nèi)的機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等方面的主流編程語言?；诖髷?shù)據(jù)分析和深度學(xué)習(xí)發(fā)展而來的人工智能，其本質(zhì)上已經(jīng)無法離開Python的支持。目前世界上優(yōu)秀的人工智能學(xué)習(xí)框架，比如Google的TensorFlow（深度學(xué)習(xí)算法庫）、FaceBook的PyTorch（深度學(xué)習(xí)算法框架）以及開源社區(qū)的Keras庫等，都是用Python實(shí)現(xiàn)的；微軟的CNTK（認(rèn)知工具包）也完全支持Python，并且該公司開發(fā)的VSCode，也已經(jīng)把Python作為第一級(jí)語言進(jìn)行支持。Python擅長(zhǎng)進(jìn)行科學(xué)計(jì)算和數(shù)據(jù)分析，支持各種數(shù)學(xué)運(yùn)算，可以繪制出更高質(zhì)量的2D和3D圖像。（4）網(wǎng)路爬蟲Python語言很早就用來編寫網(wǎng)絡(luò)爬蟲。Google等搜索引擎公司大量地使用Python語言編寫網(wǎng)絡(luò)爬蟲。從技術(shù)層面上講，Python提供有很多服務(wù)于編寫網(wǎng)絡(luò)爬蟲的工具，例如urllib、Selenium和BeautifulSoup等，還提供了一個(gè)網(wǎng)絡(luò)爬蟲框架Scrapy。（5）科學(xué)計(jì)算自1997年，NASA就大量使用Python進(jìn)行各種復(fù)雜的科學(xué)運(yùn)算。與其它解釋型語言（如shell、js、PHP）相比，Python在數(shù)據(jù)分析、可視化方面有相當(dāng)完善和優(yōu)秀的庫，例如NumPy、SciPy、Matplotlib、pandas等，這可以滿足Python程序員編寫科學(xué)計(jì)算程序。（6）游戲開發(fā)很多游戲使用C++編寫圖形顯示等高性能模塊，而使用Python或Lua編寫游戲的邏輯。和Python相比，Lua的功能更簡(jiǎn)單，體積更?。欢鳳ython則支持更多的特性和數(shù)據(jù)類型。例如，國(guó)際上有名的游戲SidMeier'sCivilization就是使用Python實(shí)現(xiàn)的。有很多Python語言實(shí)現(xiàn)的游戲引擎，例如Pygame、Pyglet以及Cocos2d等。以上只是部分應(yīng)用領(lǐng)域，Python已經(jīng)成為當(dāng)下不可或缺的一門開發(fā)語言。（2）PyCharm和JupyterNotebook的區(qū)別

Python是一種廣泛使用的高級(jí)的、通用的、解釋的、動(dòng)態(tài)編程語言，它是開源的，常被應(yīng)用于網(wǎng)站開發(fā)（利用Django、Flask等框架）、科學(xué)統(tǒng)計(jì)計(jì)算（NumPy、SciPy等庫）、軟件系統(tǒng)開發(fā)等領(lǐng)域。對(duì)于程序編寫，通常需要集成開發(fā)環(huán)境（IDE）的支撐，集成開發(fā)環(huán)境（IDE）是提供給程序員和開發(fā)者的一種基本圖形界面應(yīng)用，用來編寫和測(cè)試軟件。IDE一般由一個(gè)編輯器，一個(gè)編譯器（或稱之為解釋器），和一個(gè)調(diào)試器組成。PyCharm和JupyterNotebook都作為Python的重要開發(fā)工具，有哪些區(qū)別呢？參考一、PyCharm（1）PyCharm支持錯(cuò)誤的突出顯示，同時(shí)也包含PEP-8，能幫助開發(fā)者寫出整潔的代碼，友好支撐其他語言。（2）PyCharm能對(duì)類、對(duì)象、關(guān)鍵字的補(bǔ)全和自動(dòng)縮進(jìn)，能格式化代碼，定制代碼片段和格式。（3）PyCharm帶有一個(gè)圖形界面式的Python/JavaScript調(diào)試器，用戶能夠基于GUI來測(cè)試。（4）PyCharm有一個(gè)快速的文檔定義視圖，有豐富的幫助文檔，還包含視頻教程。二、JupyterNotebook

（1）JupyterNotebook項(xiàng)目始于2014年，是一種用于支撐科學(xué)計(jì)算和交互式計(jì)算科學(xué)的衍生式IPython，這與別的編程語言很大不同。（2）JupyterNotebook由三個(gè)組件構(gòu)成：應(yīng)用程序、內(nèi)核、文件。（3）JupyterNotebook開源且支撐30種語言，包括一些數(shù)據(jù)科學(xué)領(lǐng)域很流行的語言，如Python、R、scala、Julia等。

（4）JupyterNotebook允許用戶創(chuàng)建和共享文件，文件中可以包括公式、圖像以及重要的代碼。

（5）JupyterNotebook擁有交互式組件，可以編程輸出視頻、圖像、LaTaX。不僅如此，交互式組件能夠用來實(shí)時(shí)可視化和操作數(shù)據(jù)。（6）JupyterNotebook能夠?qū)崟r(shí)可視化顯示單元代碼的輸出。

（7）JupyterNotebook可以利用scala、python、R整合大數(shù)據(jù)工具，如Apache的spark。

（8）JupyterNotebook包含markdown標(biāo)記語言實(shí)現(xiàn)代碼標(biāo)注，用戶能夠?qū)⑦壿嫼退伎紝懺贜otebook中，這比python內(nèi)部注釋更加便捷。（3）Anaconda和Python的關(guān)系在人工智能系統(tǒng)開發(fā)中，通常使用的語言是Python語言，也常用到Anaconda來管理虛擬環(huán)境、管理軟件包等，Anaconda給開發(fā)工作帶來了很大的便利，Anaconda和Python的關(guān)系是什么？參考（1）Anaconda是專注于數(shù)據(jù)分析的Python發(fā)行版本，包含了conda、Python等190多個(gè)科學(xué)包及其依賴項(xiàng)，其中conda是一個(gè)包管理器，非常適合人工智能等相關(guān)領(lǐng)域開發(fā)使用。（2）不使用Anaconda，直接從官網(wǎng)下載對(duì)應(yīng)的Python版本的編譯器也可以開發(fā)代碼，但相應(yīng)的軟件包需要單獨(dú)下載，由于缺少依賴關(guān)系驗(yàn)證，安裝軟件包時(shí)比較容易出錯(cuò)。使用Anaconda后，不需要再重復(fù)安裝這些軟件，一次到位。一、選擇題（1）以下哪些不是數(shù)據(jù)集（）各種交通工具圖片中國(guó)方言語音Nina圖片各種水果產(chǎn)品圖片C（2）數(shù)據(jù)集獲取的主要途徑有（）Kaggle官網(wǎng)爬蟲本地?cái)?shù)據(jù)采集上傳以上都是D（3）常見的數(shù)據(jù)集有哪些（）MNISTCIFAR-10/100LFW以上都是D（4）下列哪項(xiàng)不是數(shù)據(jù)清洗的步驟（）缺失值清洗數(shù)據(jù)切分格式內(nèi)容清洗邏輯錯(cuò)誤清洗B（5）缺失值清洗策略正確的是（）A.數(shù)據(jù)重要性高，缺失率高：進(jìn)行數(shù)據(jù)刪除B.數(shù)據(jù)重要性高，缺失率低：替代數(shù)據(jù)C.數(shù)據(jù)重要性低，缺失率高：去除該字段數(shù)據(jù)D.數(shù)據(jù)重要性低，缺失率低：采用經(jīng)驗(yàn)估計(jì)策略C（6）數(shù)據(jù)清洗的對(duì)象有（）A.CSV文本數(shù)據(jù)B.Txt文本數(shù)據(jù)C.圖像數(shù)據(jù)D.以上都是D（7）下列哪個(gè)不是數(shù)據(jù)標(biāo)注軟件（）LabelImgLabelLabelmeImageLabelB（8）數(shù)據(jù)標(biāo)注類型有哪些（）A.圖像標(biāo)注B.語音、語義標(biāo)注C.文本標(biāo)注D.以上都是D（9）下列哪項(xiàng)不是數(shù)據(jù)標(biāo)注工作相關(guān)內(nèi)容（）A.標(biāo)簽B.數(shù)據(jù)標(biāo)注任務(wù)C.數(shù)據(jù)標(biāo)注工具D.數(shù)據(jù)清洗D（10）空間變換數(shù)據(jù)增強(qiáng)方法有哪些（）翻轉(zhuǎn)平移縮放以上都是D（11）哪些不是數(shù)據(jù)增強(qiáng)常用的庫()A.CmakeB.OpenCVC.NumPyD.PillowA（12）圖像數(shù)據(jù)增強(qiáng)可以通過以下哪種方法實(shí)現(xiàn)（）A.調(diào)整亮度B.調(diào)整對(duì)比度C.調(diào)整色度D.以上都是D（13）Python中導(dǎo)入NumPy包并命名為np，下列語法正確的是（）A.importnumpyB.importnumpyasnpC.importnpD.fromnpimportNumPyB（14）以下哪些選項(xiàng)不屬于線下數(shù)據(jù)采集？（多選）A.傳感器數(shù)據(jù)采集B.后端服務(wù)器日志數(shù)據(jù)采集C.Web服務(wù)器日志數(shù)據(jù)采集D.網(wǎng)頁信息采集ABCD二、思考題（1）數(shù)據(jù)集樣本的作用大數(shù)據(jù)時(shí)代下，產(chǎn)生了各種數(shù)據(jù)，存在各種樣式，數(shù)據(jù)量非常龐大。正因?yàn)橛辛诉@些龐大的數(shù)據(jù)，給人工智能的發(fā)展提供了基礎(chǔ)。具體而言，大量的數(shù)據(jù)集樣本對(duì)于人工智能發(fā)展有何作用？參考大數(shù)據(jù)具有“5V”的特點(diǎn)：（1）Volume：數(shù)據(jù)的采集、計(jì)算、存儲(chǔ)量都非常的龐大。（2）Variety：種類和來源多樣化。種類有：結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)等，常見的來源有：網(wǎng)絡(luò)日志、音頻、視頻、圖片等等。（3）Value：數(shù)據(jù)價(jià)值密度相對(duì)較低，猶如浪里淘金，百煉成鋼般才能獲取到大量信息中的部分有價(jià)值的信息（4）Velocity：數(shù)據(jù)增長(zhǎng)速度快，處理速度也快，獲取數(shù)據(jù)的速度也要快。（5）Veracity：數(shù)據(jù)的準(zhǔn)確性和可信賴度，即數(shù)據(jù)的質(zhì)量。大數(shù)據(jù)時(shí)代，掌握各種行業(yè)數(shù)據(jù)集，可以更好地規(guī)劃行業(yè)發(fā)展方向。不同發(fā)展領(lǐng)域都在利用大數(shù)據(jù)解決問題，例如金融領(lǐng)域，分析用戶的消費(fèi)數(shù)據(jù)，可以為用戶精準(zhǔn)推薦信息，可以預(yù)測(cè)用戶行為習(xí)慣，有針對(duì)性地推出產(chǎn)品；對(duì)于工業(yè)領(lǐng)域發(fā)展，可以針對(duì)大樣本數(shù)據(jù)集，做相應(yīng)的數(shù)據(jù)分析和建模，根據(jù)模型應(yīng)用，檢測(cè)產(chǎn)品質(zhì)量，打破行業(yè)領(lǐng)域信息孤島，做到信息聯(lián)動(dòng)，數(shù)據(jù)共享，實(shí)現(xiàn)工業(yè)級(jí)領(lǐng)域數(shù)據(jù)的廣泛應(yīng)用。（2）數(shù)據(jù)清洗的必要性人工智能發(fā)展方興未艾，但也存在著信息泛濫等問題，試闡述數(shù)據(jù)清洗是否有必要？參考大數(shù)據(jù)時(shí)代，信息大爆炸，存在有效數(shù)據(jù)與無效數(shù)據(jù)混雜在一起、重復(fù)數(shù)據(jù)與冗余數(shù)據(jù)堆積等問題。有效地進(jìn)行數(shù)據(jù)清洗、刪除重復(fù)數(shù)據(jù)、補(bǔ)全缺省數(shù)據(jù)，可以有效地建立數(shù)據(jù)庫，只有通過這些有效數(shù)據(jù)才能產(chǎn)生有價(jià)值的分析結(jié)果。（3）數(shù)據(jù)標(biāo)注的作用數(shù)據(jù)標(biāo)注是通過數(shù)據(jù)加工人員借助標(biāo)記工具,對(duì)人工智能學(xué)習(xí)數(shù)據(jù)進(jìn)行加工的一種行為。試闡述數(shù)據(jù)標(biāo)注在人工智能應(yīng)用過程中作用有哪些？參考大數(shù)據(jù)時(shí)代，數(shù)據(jù)需求量水漲船高，數(shù)據(jù)標(biāo)注領(lǐng)域發(fā)展越來越旺盛。從2020年國(guó)內(nèi)數(shù)據(jù)標(biāo)注行業(yè)來看，對(duì)文本、語音、視頻、語義數(shù)據(jù)需求越來越旺盛，標(biāo)準(zhǔn)化的數(shù)據(jù)處理和標(biāo)注，給人工智能等行業(yè)領(lǐng)域公司提供大量的數(shù)據(jù)需求崗位和人才。從人工的半自動(dòng)到全自動(dòng)的標(biāo)注過程是未來數(shù)據(jù)標(biāo)注行業(yè)的發(fā)展趨勢(shì)。（4）對(duì)數(shù)據(jù)增強(qiáng)的理解在大數(shù)據(jù)背景下，采用何種數(shù)據(jù)增強(qiáng)手段提高數(shù)據(jù)的泛化能力？參考人工智能在機(jī)器視覺和語音識(shí)別領(lǐng)域發(fā)展日新月異，如何有效的對(duì)數(shù)據(jù)進(jìn)行處理，尤其對(duì)數(shù)字?jǐn)?shù)據(jù)進(jìn)行選擇、切分，才能更好地利用數(shù)據(jù)產(chǎn)生價(jià)值。在機(jī)器視覺領(lǐng)域，針對(duì)圖像識(shí)別的數(shù)據(jù)，對(duì)數(shù)據(jù)樣本進(jìn)行噪聲清洗，使數(shù)據(jù)識(shí)別變得清晰和快速、提升識(shí)別的效率是主要的出發(fā)點(diǎn)；在語音語義識(shí)別領(lǐng)域，如何精準(zhǔn)地識(shí)別語音語義信息、提升語言翻譯和實(shí)時(shí)翻譯的準(zhǔn)確率等是關(guān)注的重點(diǎn)。一、選擇題（1）以下哪種不是TensorFlow的基本用法（）A.計(jì)算圖(tf.Graph）B.會(huì)話(tf.Session)C.隨機(jī)數(shù)（random）D.常量(tf.constant)C（2）以下張量的維度正確的是（）a=tf.constant([[1,2,3],[2,3,5]])，輸出shape(2,2)b=tf.constant([[[2,3,4]]])，輸出shape(1,1,3)c=tf.constant([1,2,3])，輸出shape(1,3)d=tf.constant([[[2,3,4,5,6],[2,3,4,5,8]],[[4,5,6,7,8],[3,4,6,9,2]]]),輸出shape(3,3,5)B（3）以下說法正確的是（）TensorFlow是人工智能領(lǐng)域的主流框架TensorFlow是Facebook公司推出TensorFlow是做二值計(jì)算而非張量數(shù)值計(jì)算TensorFlow不能靈活部署API到CPU或GPUA（4）下列屬于前向神經(jīng)網(wǎng)絡(luò)激活函數(shù)的是（）sigmoidtahnrenutannA（5）卷積神經(jīng)網(wǎng)絡(luò)的特性有（）權(quán)值共享局部感受野局部采樣以上都是D（6）下列不屬于卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的是（）卷積層池化層應(yīng)用層全連接層C（7）模型編譯優(yōu)化器有哪些選擇（）SGDAdamAdagrad以上都是D（8）下列不是模型訓(xùn)練基本步驟的是（）A.設(shè)置模型構(gòu)建參數(shù)B.喂入訓(xùn)練集和訓(xùn)練集標(biāo)簽數(shù)據(jù)C.設(shè)定訓(xùn)練批次數(shù)據(jù)D.設(shè)定模型訓(xùn)練輪次數(shù)據(jù)A（9）模型訓(xùn)練過程結(jié)果可視化一般使用的庫是（）A.matlabB.matplotlibC.matlibD.matplotB二、思考題（1）TensorFlow的作用TensorFlow是谷歌公司在2015年9月開源的一個(gè)深度學(xué)習(xí)框架，最初由GoogleBrainTeam的研究人員和工程師開發(fā)。借助TensorFlow框架，到底能做什么？參考TensorFlow是谷歌基于DistBelief進(jìn)行研發(fā)的第二代人工智能學(xué)習(xí)系統(tǒng)，其命名來源于本身的運(yùn)行原理。Tensor（張量）意味著N維數(shù)組，F(xiàn)low（流）意味著基于數(shù)據(jù)流圖的計(jì)算，TensorFlow為張量從流圖的一端流動(dòng)到另一端的計(jì)算過程。TensorFlow將復(fù)雜的數(shù)據(jù)結(jié)構(gòu)傳輸至人工智能神經(jīng)網(wǎng)中進(jìn)行分析和處理。TensorFlow可被用于語音識(shí)別和圖像識(shí)別等多個(gè)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域，它可在小到一部智能手機(jī)、大到數(shù)千臺(tái)數(shù)據(jù)中心服務(wù)器等各種設(shè)備上運(yùn)行。（2）卷積神經(jīng)網(wǎng)絡(luò)模型的主要作用人工智能領(lǐng)域的神經(jīng)網(wǎng)絡(luò)主要是指人工神經(jīng)網(wǎng)絡(luò)，模擬生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和特性，處理各類復(fù)雜的問題。神經(jīng)網(wǎng)絡(luò)有很多類型，其中卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用廣泛，卷積神經(jīng)網(wǎng)絡(luò)模型的主要作用是什么？舉例說明。參考由于圖像識(shí)別問題的多樣性和復(fù)雜性，目前的圖像識(shí)別主要針對(duì)特定的識(shí)別問題，還具有很大的局限性。卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別應(yīng)用中具有巨大的發(fā)展空間，它能夠改善網(wǎng)絡(luò)結(jié)構(gòu)和深度，通過大量的訓(xùn)練和有效算法得出一個(gè)通用的識(shí)別系統(tǒng)，可提高圖像識(shí)別的效率和精度。隨著卷積神經(jīng)網(wǎng)絡(luò)深度和網(wǎng)絡(luò)結(jié)構(gòu)的改善，卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的識(shí)別精度和速度得以提高，圖像識(shí)別的領(lǐng)域逐漸擴(kuò)大，功能也日益強(qiáng)大。（3）神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的要點(diǎn)為了能夠解決現(xiàn)實(shí)世界中的復(fù)雜問題，模擬生物神經(jīng)網(wǎng)絡(luò)的特性和機(jī)制，構(gòu)建了神經(jīng)網(wǎng)絡(luò)模型。好的神經(jīng)網(wǎng)絡(luò)模型需要經(jīng)過大量數(shù)據(jù)的訓(xùn)練得到，神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練有哪些要點(diǎn)要注意？參考神經(jīng)網(wǎng)絡(luò)將模型構(gòu)建完成以后，需要大量樣本數(shù)據(jù)，喂入構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型中，設(shè)定模型參數(shù)后，進(jìn)行模型訓(xùn)練，可以實(shí)現(xiàn)對(duì)數(shù)據(jù)樣本進(jìn)行識(shí)別和分類。 在模型訓(xùn)練過程中，會(huì)對(duì)樣本數(shù)據(jù)反復(fù)進(jìn)行特征提取和識(shí)別，只有通過大量樣本數(shù)據(jù)喂入訓(xùn)練，才能對(duì)將數(shù)據(jù)的特征進(jìn)行準(zhǔn)確提取，并將提取的特征數(shù)據(jù)加以保存，才能對(duì)未知的數(shù)據(jù)進(jìn)行較好地分類和識(shí)別，實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型對(duì)未知類似的圖像樣本數(shù)據(jù)的識(shí)別。一、選擇題（1）下列不是常用優(yōu)化器的是（）SGDAdamAMrandAdagradC（2）以下關(guān)于損失函數(shù)說法錯(cuò)誤的是（）損失函數(shù)：計(jì)算真實(shí)值和預(yù)測(cè)值的誤差。代價(jià)函數(shù)：計(jì)算所有樣本誤差的平均，也就是損失函數(shù)的平均。目標(biāo)函數(shù)：計(jì)算經(jīng)驗(yàn)風(fēng)險(xiǎn)+結(jié)構(gòu)風(fēng)險(xiǎn)（也就是CostFunction+正則化項(xiàng)）?；貧w函數(shù)：解決因變量變化的問題。D（3）常用的損失函數(shù)包括（）mean_squared_errormean_absolute_errorbinary_crossentropyD.以上都是D（4）關(guān)于欠擬合、過擬合描述錯(cuò)誤的是（）A.圖像擬合的函數(shù)和訓(xùn)練集誤差較大，稱這種情況為欠擬合B.圖像擬合訓(xùn)練集和測(cè)試集都擬合不好，稱這種情況為不擬合C.圖像擬合的函數(shù)和訓(xùn)練集誤差較小，稱這種情況為合適擬合D.圖像擬合的函數(shù)完美的匹配訓(xùn)練集數(shù)據(jù)，稱這種情況為過擬合B（5）解決過擬合的方法有（）正則化丟棄法圖像增強(qiáng)以上都是D（6）以下不是Keras關(guān)于正則化參數(shù)的方法是（）keras.regularizers.l1()keras.regularizers.l2()keras.regularizers.l3()keras.regularizers.l1_l2()C二、思考題（1）優(yōu)化器的作用神經(jīng)網(wǎng)絡(luò)優(yōu)化是指尋找一個(gè)模型來使得經(jīng)驗(yàn)（或結(jié)構(gòu)）風(fēng)險(xiǎn)最小化的過程，包括模型選擇以及參數(shù)學(xué)習(xí)等。優(yōu)化器對(duì)整個(gè)模型網(wǎng)絡(luò)具體有什么作用？參考神經(jīng)網(wǎng)絡(luò)具有非常強(qiáng)的表達(dá)能力，但是當(dāng)應(yīng)用神經(jīng)網(wǎng)絡(luò)模型到機(jī)器學(xué)習(xí)時(shí)依然存在一些難點(diǎn)問題。深度神經(jīng)網(wǎng)絡(luò)的優(yōu)化是很有難度的問題。首先，神經(jīng)網(wǎng)絡(luò)的損失函數(shù)是一個(gè)非凸函數(shù)，找到全局最優(yōu)解通常比較困難。其次，深度神經(jīng)網(wǎng)絡(luò)的參數(shù)通常非常多，訓(xùn)練數(shù)據(jù)也比較大，因此也無法使用計(jì)算代價(jià)很高的二階優(yōu)化方法，而一階優(yōu)化方法的訓(xùn)練效率通常比較低。此外，深度神經(jīng)網(wǎng)絡(luò)存在梯度消失或爆炸問題，導(dǎo)致基于梯度的優(yōu)化方法經(jīng)常失效。目前，研究者從大量的實(shí)踐中總結(jié)了一些經(jīng)驗(yàn)方法，通過優(yōu)化器，在神經(jīng)網(wǎng)絡(luò)的表示能力、復(fù)雜度、學(xué)習(xí)效率和泛化能力之間找到比較好的平衡，并能得到一個(gè)好的網(wǎng)絡(luò)模型。（2）防止神經(jīng)網(wǎng)絡(luò)模型過擬合和欠擬合神經(jīng)網(wǎng)絡(luò)擬合是指函數(shù)曲線能很好的擬合樣本數(shù)據(jù)，有較好的網(wǎng)絡(luò)泛化能力。如何防止神經(jīng)網(wǎng)絡(luò)模型過擬合和欠擬合？參考在訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型時(shí)，如果能看到訓(xùn)練誤差在不斷地下降，但在驗(yàn)證集上誤差可能是先下降再上升，當(dāng)驗(yàn)證集誤差上升時(shí)，神經(jīng)網(wǎng)絡(luò)就出現(xiàn)了過擬合，此時(shí)，提前停止訓(xùn)練一般可以防止過擬合。機(jī)器學(xué)習(xí)包括兩個(gè)重要內(nèi)容：一是選擇優(yōu)化算法來優(yōu)化代價(jià)函數(shù)，二是防止過擬合。通過正交化能更好地訓(xùn)練模型，提取模型特征參數(shù)，提高模型識(shí)別的準(zhǔn)確率和圖像識(shí)別處理結(jié)果。選擇題（1）下列不屬于人工智能測(cè)評(píng)總體目標(biāo)的是（）人工智能系統(tǒng)的適用性人工智能系統(tǒng)的可移植性人工智能系統(tǒng)可交易性人工智能系統(tǒng)的安全性C（2）人工智能系統(tǒng)的測(cè)評(píng)過程包括（）確立測(cè)評(píng)需求規(guī)定測(cè)評(píng)條件制定測(cè)評(píng)計(jì)劃、執(zhí)行測(cè)評(píng)以上都是D（3）人工智能系統(tǒng)環(huán)境測(cè)評(píng)不包括（）硬件環(huán)境測(cè)評(píng)功能環(huán)境測(cè)評(píng)軟件環(huán)境測(cè)評(píng)組織環(huán)境測(cè)評(píng)B（4）人工智能系統(tǒng)測(cè)評(píng)指標(biāo)不包括（）A.人工智能的開發(fā)人員B.訓(xùn)練數(shù)據(jù)集質(zhì)量以及訓(xùn)練數(shù)據(jù)集的使用情況C.機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法模型的實(shí)現(xiàn)結(jié)果D.人工智能框架差異、操作系統(tǒng)差異、硬件差異A（5）常用的Python測(cè)試框架有（）doctestunittestpytest以上都是D（6）以下不屬于人工智能系統(tǒng)測(cè)評(píng)方法的是（）黑盒測(cè)試白盒測(cè)試灰盒測(cè)試藍(lán)盒測(cè)試D二、思考題（1）AI技術(shù)應(yīng)用面臨的困難和挑戰(zhàn)現(xiàn)有AI開源技術(shù)產(chǎn)品在行業(yè)中的應(yīng)用越來越多，一些企業(yè)利用自身的技術(shù)優(yōu)勢(shì)，重點(diǎn)打造AI應(yīng)用開放平臺(tái)，提供語音引擎、視覺引擎、自然語言處理引擎等眾多AI基礎(chǔ)技術(shù)。一些企業(yè)圍繞開放平臺(tái)，構(gòu)建行業(yè)生態(tài)，覆蓋教育、金融、家電、醫(yī)療、手機(jī)、汽車、安防等領(lǐng)域，在內(nèi)業(yè)已產(chǎn)生巨大的經(jīng)濟(jì)價(jià)值和社會(huì)價(jià)值。但AI技術(shù)應(yīng)用也面臨一些困難和挑戰(zhàn)，試舉例說明。參考不同于其它開源軟件，當(dāng)前AI開源模式還不夠多，僅限于開源AI框架，數(shù)據(jù)開源力度不足，對(duì)AI技術(shù)的應(yīng)用形成了壁壘，主要表現(xiàn)在以下幾個(gè)方面：在深度學(xué)習(xí)方面，AI在開源框架、工具上缺乏基本的統(tǒng)一標(biāo)準(zhǔn)，造成不同框架下的模型算法兼容困難。在AI軟件優(yōu)化方面，AI開源技術(shù)大多數(shù)在X86和GPU上進(jìn)行優(yōu)化，很少有在其它體系結(jié)構(gòu)上進(jìn)行優(yōu)化。在數(shù)據(jù)格式方面，AI開源技術(shù)目前多是針對(duì)深度學(xué)習(xí)的開源項(xiàng)目，而深度學(xué)習(xí)需要大量的訓(xùn)練數(shù)據(jù)，缺少數(shù)據(jù)問題將許多公司卡在門外。在模型算法方面，從數(shù)據(jù)和模型研究到形成產(chǎn)品方案之間還存在明顯差距。很多開源的AI算法，僅在限定的理想條件下有效，難以適應(yīng)復(fù)雜的實(shí)際應(yīng)用環(huán)境，且在大規(guī)模分布式計(jì)算與存儲(chǔ)環(huán)境下應(yīng)用效果不佳。（2）人工智能系統(tǒng)的測(cè)評(píng)方法人工智智能大型系統(tǒng)的開發(fā)是一個(gè)很復(fù)雜的過程，各個(gè)環(huán)節(jié)都可能會(huì)產(chǎn)生一些錯(cuò)誤，因此在開發(fā)過程必須要有相應(yīng)的質(zhì)量保證活動(dòng)，而測(cè)試則是保證質(zhì)量的關(guān)鍵措施。請(qǐng)結(jié)合實(shí)際，說明人工智能系統(tǒng)具體如何進(jìn)行測(cè)評(píng)？參考大部分軟件項(xiàng)目都只在最終驗(yàn)收時(shí)才進(jìn)行測(cè)試，有些項(xiàng)目甚至根本沒有測(cè)試計(jì)劃，這種做法是不對(duì)的。隨著大家對(duì)軟件質(zhì)量意識(shí)的增強(qiáng)，人工智能系統(tǒng)根據(jù)應(yīng)用場(chǎng)景不同、軟硬件環(huán)境不同、數(shù)據(jù)集不同、深度學(xué)習(xí)模型不同等，提出的軟件測(cè)試方法也不同，不能一概而論，需要合理運(yùn)用測(cè)試方法，具體問題具體分析，在開發(fā)初期就制定詳細(xì)的測(cè)試計(jì)劃，編寫可執(zhí)行的測(cè)試用例，這樣才能使軟件開發(fā)過程變得可控，軟件產(chǎn)品質(zhì)量才會(huì)更高。一、選擇題（1）下列不屬于PythonWeb框架的是（）DjangoSpringFlaskTornadoB（2）Django框架采用的框架模式是（）MVCMVVCMVTMVPC（3）Django運(yùn)行的默認(rèn)端口是（）8080·808888888000D（4）下列屬于云服務(wù)器上部署Django項(xiàng)目所需環(huán)境的是（）Ubuntu操作系統(tǒng)PythonDjango以上都是D（5）以下屬于華為云服務(wù)器登錄方式的是（）CloudShell登錄VNC方式登錄Putty、Xshell等工具登錄以上都是D（6）云服務(wù)器上部署Django項(xiàng)目時(shí)，settings.py文件中的ALLOWED_HOSTS的值應(yīng)該設(shè)置為（）[][*]['*'][null]C（7）下列屬于Linux系統(tǒng)中激活虛擬環(huán)境的命令的是（）activate虛擬環(huán)境名sourceactivate虛擬環(huán)境名condaenvlistcondalistB（8）主機(jī)共享的文件在虛擬機(jī)中的位置是（）/mnt/hgfs/home/hgfs/root/hgfs/dev/hgfsA（9）下列命令屬于Linux中的壓縮命令的是（）tarzipgzip以上都是D（10）世界使用排名第一的Web服務(wù)器軟件是（）ApacheTomcatISSNigxA二、思考題（1）MVT架構(gòu)模式的含義及功能Django是一個(gè)由Python寫成的Web應(yīng)用框架。Django的主要用途是簡(jiǎn)便、快速地開發(fā)數(shù)據(jù)庫驅(qū)動(dòng)的網(wǎng)站。Django采用了MVT（也可以說MTV）的框架模式，MVT分別表示什么？各自的功能是什么？參考Django采用了MTV（也可以說MVT）的框架模式，即模型Model，模板Template和視圖View。模型（Model），即數(shù)據(jù)存取層，處理與數(shù)據(jù)相關(guān)的所有事務(wù)，包括如何存取、如何驗(yàn)證有效性、包含哪些行為以及數(shù)據(jù)之間的關(guān)系等。模板(Template)，即表現(xiàn)層，處理與表現(xiàn)相關(guān)的操作。視圖（View），即業(yè)務(wù)邏輯層，存取模型及調(diào)取合適模板的相關(guān)邏輯，是模型與模板的橋梁。（2）虛擬機(jī)與主機(jī)之間的文件共享方法為了更好地使用虛擬機(jī)，經(jīng)常需要共享主機(jī)的文件，除了VMware上的共享文件夾方法，還有哪些方法可以實(shí)現(xiàn)虛擬機(jī)與主機(jī)之間的文件共享？參考利用第三方文件傳輸軟件；利用遠(yuǎn)程控制軟件；利用網(wǎng)盤；利用FTP等?？蓞⒖季W(wǎng)址：/dear_fox/article/details/3501280?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.control一、選擇題（1）下列說法錯(cuò)誤的是（）A.TensorFlowPlayground（TensorFlow游樂場(chǎng)）是Google發(fā)布的一款程序。B.TensorFlowPlayground是一款客戶端程序。C.TensorFlowPlayground提供了4個(gè)數(shù)據(jù)集（data）用于分類。D.TensorFlowPlayground可以調(diào)整每次迭代訓(xùn)練數(shù)據(jù)的批處理大小、訓(xùn)練與測(cè)試數(shù)據(jù)的比率。B（2）在TensorFlowPlayground中，不可以調(diào)整的參數(shù)有（）A.模型的輸入屬性（features）B.學(xué)習(xí)率C.Dropout比例D.正則化C（3）在TensorFlowPlayground中，可以選擇的激活函數(shù)有（）A.ReLUB.TanhC.SigmoidD.以上都是D（4）使用TensorBoard可以完成的功能有（）A.可視化模型圖（操作和層）B.跟蹤和可視化損失及準(zhǔn)確率等指標(biāo)C.顯示圖片、文字和音頻數(shù)據(jù)D.以上都是D（5）TensorBoard的功能插件中，不包括（）A.SCALARSB.IMAGESC.SUPERPARAMD.GRAPHSC（6）啟動(dòng)TensorBoard，正確的命令寫法是（）A.tensorboard-logdir（日志文件名）B.tensorboard--logdir（日志文件名）C.tensorboard-logdir（日志文件名）D.tensorboard--logdiv（日志文件名）B二、思考題（1）TensorFlowPlayground的主要功能TensorFlowPlaygroun