题目内容
（请给出正确答案）
[单选题]
关于MNIST,下列说法错误的是（)。
A.是著名的手写体数字识别数据集
B.有训练集和测试集两部分
C.训练集类似人学习中使用的各种考试试卷
D.测试集大约包含10000个样本和标签
如搜索结果不匹配，请 联系老师 获取答案
A.是著名的手写体数字识别数据集
B.有训练集和测试集两部分
C.训练集类似人学习中使用的各种考试试卷
D.测试集大约包含10000个样本和标签
更多“关于MNIST,下列说法错误的是（)。”相关的问题
第3题
关于MNIST,下列说法正确的是（)。
A.是著名的手写体数字识别数据集
B.有训练集和测试集两部分
C.训练集类似人学习中使用的各种考试试卷
D.测试集大约包含10000个样本和标签
第4题
以下关于MNIST数据集和Fashion_mnist数据集描述正确的是？
A.MNIST数据集一共包括7万张图片，其中6万张用于训练，1万张用于测试。
B.每张图片包括1024(32×32)个像素点。
C.MNIST数据集是为0到9的手写数字数据集。
D.Fashion_mnist数据集中的图片被分为20类。
第5题
以下关于MNIST数据集和Fashion_mnist数据集描述正确的是
A.MNIST数据集一共包括7万张图片，其中6万张用于训练，1万张用于测试。
B.每张图片包括1024(32×32)个像素点。
C.MNIST数据集是为0到9的手写数字数据集。
D.Fashion_mnist数据集中的图片被分为20类。
第6题
5、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
第7题
5、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
第8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
第9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
第10题
使用索引读取MNIST数据集中train_x训练集，下列语句描述正确的是_______。
A.train_x[0]：取第1张图片中的数据
B.train_x[2][1] ：取第2张图片中的第1行
C.train_x[0][1][2]：取第1张图片中的第2行的第1列
D.train_x[2][1] ：取第1张图片中的第2行
