任务2-1 认识NumPy数组对象使用arange()和reshape()函数创建一个3行4列的数据data。如下所示:array([[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]])并且:(1)查看该数组的类型(2)获取该数组的维度个数(3)获取该数组元素的个数(4)获取该数组元素的类型任务2-2 创建NumPy数组(1)使用array()函数创建数组(2) 使用zeros ()函数创建元素值都是0的数组(3) 使用ones()函数创建元素值都是1的数组(4) 使用empty ()函数创建一个新的数组,该数组只分配了内存空间,它里面填充的元素都是随机的,且数据类型默认为float64。(5) 使用arange ()函数创建一个等差数组,首数为1,末数不超过20,公差为3。任务2-3 ndarry对象的数据类型(1)查看数组[[1, 2, 3], [4, 5, 6]]数据类型(2)将数组[[1, 2, 3], [4, 5, 6]]的数据类型由默认的int32类型转换为float64类型(3)将数组[1.2, 2.3, 3.5]的数据类型由默认的浮点型转换为int64类型(4)将数组['1', '2', '3']的数据类型由默认的字符串类型转换为int64类型任务2-4 数组运算(1)矢量化运算将数组[[1, 2, 3], [4, 5, 6]]和[[1, 2, 3], [4, 5, 6]]分别进行相加、相减、相乘、相除运算(2)数组广播运算将数组的形状不相等的4行1列数组[[0], [1], [2], [3]]和三个元素的一维数组[1, 2, 3]进行相加(3)数组与标量间的运算将2行3列的二维数组[[1, 2, 3], [4, 5, 6]]和标量10分别进行相加、相减、相乘、相除运算任务2-5 ndarry的索引和切片1、整数索引和切片的基本使用2、花式(数组)索引的基本使用对于数组(1) 获取索引为[0,2]的元素(2) 获取索引为(1,1)和(3,2)的元素3、布尔型索引任务2-6 数组的转置和轴对称(1)对二维数组分别使用transpose()和T属性两种方法进行转置(2)对三维数组使用transpose()分别对其shape的三个轴进行(1,2,0)、(2,1,0)的转置最后完成 拓展任务完成后,将结果截图粘贴上来。
下面程序段的执行结果为( )。import tensorflow as tfa = tf.range(6)a1 = tf.reshape(a, [2, 3])b = tf.constant([[7, 8, 9], [10, 11, 12]])b1 = tf.gather(b, axis=1, indices=[1, 2, 0])c = a1*b1print(c.numpy())
A.[[ 0 9 14] [33 48 50]]
B.[[ 0 8 0] [30 44 0]]
C.[[ 0 8 18] [30 44 60]]
D.[[ 0 9 16] [30 48 55]]
对下列程序段的执行结果,描述错误的是( )。import tensorflow as tfx = tf.constant([1., 4., 9., 16.])pow(x, 0.5)
A.输出张量的shape为(1,)
B.pow(x, 0.5)的作用是对张量x逐元素求平方根
C.张量数据类型为float32
D.其结果为[1., 2., 3., 4.]
下列程序段的执行结果为( )。import tensorflow as tfa = tf.range(24)b = tf.reshape(a,[4,6])c = tf.gather_nd(b,[[0,0],[1,1],[2,2]])print(c.numpy())
A.[ 0 7 14]
B.[ 0 1 2]
C.[ 1 8 15]
D.[ 0 6 12]