题目内容
（请给出正确答案）
[单选题]
下列程序段的执行结果为______。 x = [] for i in range（5): i += 1 x.append（i) print（x[2:4])
A.[2, 3, 4]
B.[2, 3]
C.[3, 4, 5]
D.[3, 4]
提问人：网友zzcblue
发布时间：2022-01-07
如搜索结果不匹配，请 
B、O(n)
C、O(1)
D、O(0)
题目内容
（请给出正确答案）
您可能会需要：
安装简答题APP，拍照搜题省时又省心！
更多“下列程序段的执行结果为______。 x = [] for …”相关的问题
第2题
下列程序段运行后输出的的结果是： integer m, n real x,y m=2；n=4；x=2；y=4 print *, m/n, x/y A） 0.5 0.5 B） 0 0 C） 0 0.5 D） 1 0.5
A、不正确
B、不正确
C、正确。注意整除整得整和先算后化再赋值。
D、不正确
第3题
执行以下程序后的输出结果为()。#include＜iostream. b＞class Sample{ int x, y; public: Sample() { x=y=0;} Sample(int a, int b) {x=a; y=b; } void disp () { cout＜＜"x="＜＜x＜＜"y="＜＜y＜＜end1; }};void main(){ Sample s(2,3), *p=&s; p-＞disp();}
A．x=1, y=3
B．x=2, y=4
C．x=3, y=2
D．x=2, y=3
第4题
针对下列程序段回答问题 ().for(t=1;t<=100;t++){scanf("%d",&x);if(x<0) ______
A. x>=0时什么也不输出
B. 最多允许输出 100个非负整数
C. printf函数永远也不执行
D. 当x<0时整个循环结束
第5题
对于以下两个程序段,下列叙述正确的是()。 / * 程序段1 */if (x / * 程序段2 */if (x
A．在程序段1和程序段2中，语句 y = x + 1; 的执行条件皆为满足x<1。
点击查看答案
B．在程序段1和程序段2中，语句 y = x + 1; 的执行条件皆为满足x<2。
C．在程序段1中，语句 y = x + 2; 的执行条件是满足x>=2。
D．在程序段1中，语句 y = x + 2; 的执行条件是满足x>=1且x<2。
E．在程序段2中，语句 y = x + 2; 的执行条件是满足x>=2。
F．在程序段2中，语句 y = x + 2; 的执行条件是满足x>=1且x<2。
第6题
以下程序段的执行结果是()。double x; x=21 8.82631; printf("%-6.2e/n",x);
A.输出格式描述符的域宽不够，不能输出
点击查看答案
B.输出为21.88e+01
C.输出为2.19e+002
D.输出为-2.18e2
第7题
执行下列代码后，得到的结果是______。 import tensorflow as tf a = tf.constant(3) x = tf.Variable(a) print(isinstance(a, tf.Tensor), isinstance(a, tf.Variable)) print(isinstance(x, tf.Tensor), isinstance(x, tf.Variable))
A、False True True False
B、True False False True
C、True True False False
D、False False True True
第8题
执行下列代码后，得到的结果是______。 import tensorflow as tf x = tf.Variable([1., 2.]) y = tf.Variable([3., 4.]) with tf.GradientTape() as tape: f = tf.square(x) + 2*tf.square(y) + 1 df_dx, df_dy = tape.gradient(f, [x, y]) print("df_dx:", df_dx.numpy()) print("df_dy:", df_dy.numpy())
A、df_dx: [15. 21.] df_dy: [12. 16.]
B、df_dx: [12. 16.] df_dy: [2. 4.]
C、df_dx: [2. 4.] df_dy: [12. 16.]
D、df_dx: [12. 16.] df_dy: [15. 21.]
第9题
执行下面程序段，运行结果是______。 import tensorflow as tf x = tf.Variable(4.) with tf.GradientTape() as tape: y = tf.square(x) dy_dx = tape.gradient(y, x) print(y.numpy(),dy_dx.numpy())
A、8.0 16.0
B、16.0 4.0
C、8.0 4.0
D、16.0 8.0
