ACA认证考试模拟试题及解答
知识点1：Tensor Flow开发-数据流图
题1. 在Tensor Flow中数据流图的操作节点对应以下什么类?
A.Tf.Tensor类
B.tf.Operation类
C.tf.Variable类
D.tf.Placeholder类.
答：课31，数据流图为神经网络的程序表示，是有向图，表示数据输入，操作和数据流动。课35，实例程序（二）数据流图转成TensorFLow程序时，节点对应tf.Operation类； 边（数据输入、输出）对应tf.Tensor类；
节点之间传递数据用tf运算，如：node3=tf.add(node1,node2)
故答案为B。
题2. TensorFlow中数据流图是由以下哪些组件组成？（答案两个）
A．操作节点
B．判断条件
C．边
D．辅助变量
答：课31 Tensor Flow编程模式。数据流图又称为计算流图，是神经网络的程序表示。它主要表现为有向图，有节点和有向边组成。其中节点含起始节点、间节点，有向边表示数据流动方向。
故答案为A，C。
知识点2：Tensor Flow开发-占位符
题3. TensorFlow程序开发时经常会使用到placeholder, placeholder是指什么？
A．常量，
B．变量，
C．张量，王薄
D．占位符
上海建通
答：课42第二章实验详情，定义三个占位符，分别用于图像数据集的输入和标签输出。
知识点3：Tensor Flow开发-张量及阶数1
题4.在TensorFlow开发时，以下哪种张量是属于一阶张量？
A．(1,2)
B．3
C．[[1,2]]
D．[1,3]
答：课时32，张量是Tensor Flow的基本数据类型，英文Tensor，所有的运算的输入、输出都是张量，它本身不存任何数据，只对运算结果的引用。
张量类型:
零阶张量-标量(scalar), 如:3
第一阶张量-向量(Vector), 如[1.2.3]
和n阶张量(n维数组)，如[[123],[4,5,6]]
故，答案是D。
知识点4：Tensor Flow开发-张量及阶数2
题5. 在TensorFlow开发时，[[1,2,3],[4,5,6]]该类型张量属于几阶张量？
A．1,
B．2,
C．3,
D．4.
答: 课时32，张量阶数就是数组的维度。
故答案为B
知识点5：Tensor Flow开发-张量
题6. 在TensorFlow中, 张量就是变量.
A.正确,
B.错误
答: 课32, Tensor=张量, 这是基本数据类型，所有运算的输入/输出都是张量,
定义方式：Tensor（“add:0”,shape=(2,),dtype=float32）
课33，变量是用于存储动态变化的数据。
定义方式：var=tf.Variable(0,name = ‘couter’)// 其中0 是初始值。
init=tf.global_variables_initializer() // 表示初始化
with tf.Session() as sess:
企业管理创新论文sess.run(init)
故答B, 张量就是变量是错误的
题7.在Tensor Flow程序中，只要初始化了会话session变量, 程序就能正常执行?
A.正确,
B.错误
答: 课时32. 第一个Tensor flow实列程序, 包含：定义常量，创建会话，运行程序三步.
1定义常量, Hello =tf.constant(“hello,Tensorflow!”)
2创建会话, sess =tf.session()
3运行程序print(sess.run(hello))
故答案是B，错误
知识点6：TensorFlow开发-node相加
题8. 在Tensor Flow代码中,node1被定义为tf.constant(3.0), node2被定义为tf.constant(4.0)，想要得到node1和node2的相加结果, 应该使用以下哪个操作？
A.Node1+node2,
C.tf.add(node1, node2)
答：课时35, TensorFlow示例程序(2).数据流图转成TensorFlow程序时,
节点对应tf.Operation类,
边(输入输出)对应tf.Tensor类
节点之间传递数据用tf运算，如：node3=tf.add(node1,node2)
答案应该选C. tf.add(node1,node2)
题9. 神经网络中用于对参数进行计算的算法是:
A.正向传播算法
B.反向传播算法
C.Xx算法
D.分类算法
答：课时22，
反向传播算法（Output-Input）由输出层和隐藏层，计算损失函数（w5，w6）和隐藏层参数（b2）间的偏导数。 前向/正向传播算法（input-Output）
答案应为B.反向传播算法.
知识点7：TensorFlow开发-文件读取
题10. 现有10个文件需要读取后进行数据分析，采用内存队列缓存数据的方式进行读取，此时程序IO效率最高。
你的眼泪为谁流A.正确,
B.错误
答：课时34 Tensor Flow文件
读取方式一, 由python直接从文件系统读取, 数据量大的时候效率较低.
读取方式二, 使用读取线程读取文件系统到内存队列缓存数据, IO效率最高
读取方式三, 由文件名队列和内存队列读取，根据文件名队列以次将文件读入内存队列, 这样就不用集中大规模的I/O, 效率均衡
故答案选A
知识点8：TensorFlow开发-损失函数
题11.以下关于TensorFlow中损失函数操作的说法，哪一个是不正确的？
A．损失函数必须在程序开发时定义，否则程序无法执行
B．损失函数决定了神经网络的拟合精度
C．损失函数决定了神经网络的收敛速度
yuqing
答: 课时20,
损失值：神经网络训练过程中的预测值a与期望值y之间的差值，损失值越大，模型越不精准，神经网络的训练目标就是要减少损失值。
损失函数，计算损失值的函数称为损失函数
常用损失函数：1.均方差损失函数，2. 交叉熵损失函数
损失函数应用于神经网络参数的更新，修正..
高校资产管理系统损失函数的应用1：用于神经网络参数更新，网络参数的修正值
损失函数的应用2.对激励函数求偏导
TensorFlow自带标准损失函数，也可以自定义损失函数。其自带损失函数如：
1.an_squared_error：均方根误差（MSE）——回归问题中最常用的损失函数
2.tf.losses.absolute_difference：平均绝对误差（MAE）——想格外增强对离样本的健
壮性时使用
等等
B~D看上去都正确的，答案应为A.
题12.为了加速神经网络模型训练时的收敛效率，应该调整TensorFlow中以下哪些操作？（正确答案有两个）
A，调整损失函数，
B，调整优化器，
C，调整神经网络层数
D，调整训练轮数
答：课时37，影响神经网络的训练效果和执行效率：
⏹损失函数：决定神经网络参数的拟合精度，不同损失函数的训练精度不同
⏹反向传播算法优化器：决定神经网络模型训练时的收敛速度，不同优化器的效率
不同
⏹Batch批次大小：决定训练轮数，影响训练效率，也就是收敛速度。
故答案应为B，D
知识点9：TensorFlow开发-kernel
题13. Tensor Flow运行时环境中的Kernel主要提供以下哪几种功能（2个）？
A．实现Tensor Flow运行时各种操作
B．实现TensorFlow程序任务分解
C．操作优化
D．任务调度
答：课30，Tensor Flow运行时环境2. Kernel：实现Tensor Flow运行时所需的各种操作根据设备类型进行各种操作的优化实现。
故答案是A，C ，答案B，D应是Distributed Master的功能。
知识点10：TensorFlow-nn模块
题14. 以下哪个操作是TensorFlow nn模块提供的基本卷积操作?
v2d,
v2d.
ax_pool
lu.
答：课时17：基于神经网络模块的模型开发，其中，
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议