第2章 - PyTorch基础操作 客观题： 1、在 PyTorch 中，哪个方法用于张量的元素级加法？ A. torch.add() B. torch.sum() C. torch.plus() D. torch.concatenate() 答案: A 2、PyTorch 的自动微分库是什么？ A. Autograd B. AutoDiff C. GradFlow D. TensorGrad 答案: A 3、什么是计算图？ A. 数据结构用于存储数据 B. 用于表示张量操作的有向无环图 C. 网络拓扑图 D. PyTorch 的内部代码结构 答案: B 4、在 PyTorch 中，如何定义一个自定义的神经网络层？ A. 继承 nn.Module 并实现 __init__ 和 forward 方法 B. 继承 nn.Layer 并实现 __init__ 和 forward 方法 C. 实现一个函数并使用 @layer 装饰器 D. 使用 nn.Custom 类并提供一个函数 答案: A 5、在 PyTorch 中，哪个类用于数据加载？ A. DataLoader B. DataSet C. DataBatch D. DataFetch 答案: A 6、PyTorch 的 Dataset 类用于什么？ A. 批量加载数据 B. 存储单个数据项和标签 C. 定义数据转换操作 D. 自动微分 答案: B 7、在 PyTorch 中，backward() 函数用于什么？ A. 前向传播 B. 反向传播 C. 数据加载 D. 模型保存 答案: B 8、在 PyTorch 中，哪个函数用于优化模型参数？ A. torch.optim() B. torch.backprop() C. torch.gradient() D. torch.step() 答案: A 9、什么是一个损失函数？ A. 用于评估模型性能的函数 B. 用于更新模型参数的函数 C. 用于数据预处理的函数 D. 用于定义模型结构的函数 答案: A 10、在 PyTorch 中，哪个函数用于将多个张量串联在一起？ A. torch.cat() B. torch.merge() C. torch.join() D. torch.stack() 答案: A 11、在 PyTorch 中，什么是一个批量（Batch）？ A. 单个数据点 B. 模型的一部分 C. 一组数据点 D. 一组模型 答案: C 12、在 PyTorch 中，如何计算张量的梯度？ A. 使用 .backward() 方法 B. 使用 .gradient() 方法 C. 使用 .compute_grad() 方法 D. 使用 .calc_grad() 方法 答案: A 13、在 PyTorch 中，哪个函数用于更新模型的权重？ A. optimizer.step() B. model.update() C. model.train() D. optimizer.compute() 答案: A 14、在 PyTorch 中，如何获得张量的梯度？ A. 使用 .grad 属性 B. 使用 .get_grad() 方法 C. 使用 .gradient 属性 D. 使用 .fetch_grad() 方法 答案: A 15、在 PyTorch 中，哪个函数用于切分张量？ A. torch.split() B. torch.divide() C. torch.chunk() D. torch.separate() 答案: A 16、在 PyTorch 中，哪个函数用于复制张量？ A. torch.clone() B. torch.copy() C. torch.duplicate() D. torch.replicate() 答案: A 17、在 PyTorch 中，哪个函数用于改变张量的形状？ A. torch.reshape() B. torch.resize() C. torch.transform() D. torch.modify() 答案: A 18、在 PyTorch 中，哪个函数用于将张量移动到 GPU 上？ A. .cuda() B. .to_gpu() C. .transfer() D. .gpu() 答案: A 19、在 PyTorch 中，哪个函数用于张量之间的矩阵乘法？ A. torch.dot() B. torch.mul() C. torch.mm() D. torch.prod() 答案: C 20、在 PyTorch 中，如何设置张量不需要梯度？ A. 使用 .detach() 方法 B. 设置 requires_grad=False C. 使用 .no_grad() 上下文管理器 D. 所有以上选项都正确 答案: D 简答题： 1、请解释 PyTorch 中的自动微分和计算图。 答案: 在 PyTorch 中，自动微分是通过 Autograd 库来实现的。计算图是一个用于表示张量操作的有向无环图。当执行张量操作时，PyTorch 会自动构建一个计算图，并通过这个图进行反向传播来计算梯度。 2、如何在 PyTorch 中创建一个自定义的数据集？ 答案: 在 PyTorch 中，可以通过继承 torch.utils.data.Dataset 类并实现 __len__ 和 __getitem__ 方法来创建一个自定义的数据集。 3、请解释 PyTorch 中的优化器是如何工作的。 答案: 在 PyTorch 中，优化器（如 SGD, Adam 等）用于更新模型的参数。优化器会根据计算出的梯度来更新每个参数，通常在每次迭代或批次后进行一次更新。 |
说点什么...