1 . 小申对使用人工智能技术识别手写数字很感兴趣，想要探究手写数字识别的实现原理。为此，小申从网络开放资源中下载了2500张 BMP 格式的手写数字图片用于开展探究实践，图1所示是其中的25张图片样例。
（1）图2呈现的是一张“数字5”的黑白图片，这张手写数字图片的分辨率为64*64，所占存储空间为(         )字节。
A．64*64*1       B．64*8       C．64*64*5       D．64*64*5/8

（2）将原始的BMP 格式图片批量转换为JPEG格式图片，作为训练手写数字识别模型的数据集。转换后的图片占用的存储空间变小，这种数据压缩方式属于(         )压缩。
A．无损       B．有损
（3）使用数字0和1分别表示数据集图片中像素的黑色和白色信息，则可以将每张图片转换为64×64的二进制数字矩阵，若某张手写数字图片转换后的数字矩阵中第8行的前两个字节二进制数为(000011111100 0011)₂,转换为十六进制数是(         )H。
A．8FD7       B．0EC7       C．0FC3       D．0FD3
（4）在训练手写数字识别模型前，数据集中每张图片通过文件名被准确地标记为相应表示的数字。以这些标记作为预期效果，不断地修正机器的预测结果，这属于机器学习中的(         )
A．监督学习       B．非监督学习       C． 聚类       D． 回归
（5）小申先做了个小实验，如右图所示，他选取某张手写数字图片作为测试图像，提取四个特征值为[3，7，8，13]；选取了2张手写数字图作为训练样本，提取特征值为[3,5,9,10]和[4,8,2,9], 用欧式距离法判断该测试图像上的数字应为(         )

A．7       B．8       C．9       D． 10
（6）小申将全部数据集划分为训练数据和测试数据，使用K—近邻算法对测试数据进行分类。计算某个测试数据到所有训练数据的欧式距离，按由近到远的顺序选择前 10 个训练数据, 其标记依次是： 9、9、8、8、0、8、6、9、8、3。若第一次测试设置K值为6， 第二次测试设置K 值为3，则在两次测试中这个测试样本的分类结果分别为(         )
A．6和9       B．8和9       C．7和8       D．0和8
（7）设置合适的K值，运行编写好的Python程序，对100个测试数据进行分类，下图所示为程序运行的输出结果，本轮识别的正确率是____%。

手写数字识别结果:7，真实标记:7 手写数字识别结果:1，真实标记:1 手写数字识别结果:8，真实标记:8 手写数字识别结果:8，真实标记:8 手写数字识别结果:6，真实标记:8 … 手写数字识别结果:9，真实标记:9 手写数字识别结果:9，真实标记:9 手写数字识别错误总数:48

（8）为了研究手写数字的识别率，小申做了多轮实验，实验数据如下表所示：

轮次	训练数据量	测试数据量	识别正确率
第1轮	80	20	50%
第2轮	160	20	60%
……	……	……	……
第N-1轮	1600	400	95%
第N轮	2000	400	97.5%

结合已学知识并分析以上实验数据，你可以得到的结论有：____。
（9）除了识别手写数字，人工智能技术在很多领域发挥着重要的作用。以下关于人工智能技术的应用描述正确的是(         )
A．人工智能技术应用于智能农场、智能果园、农产品加工智能车间等，将有助于提升农业发展的智能化水平。
B．人工智能技术的应用会对一些行业和工种造成一定的影响，导致现有职业的消失，但与此同时与人工智能技术相关的岗位也在不断出现。
C．人工智能技术应用在面部解锁、刷脸支付、身份验证等场景，为人们的生活带来了许多便利，同时也应当确保个人私密信息的安全。
D．人工智能技术应用于自动驾驶平台，可以为用户提供覆盖广、高自动化的高精度地图服务，有助于用户更快地研发、测试和部署自动驾驶车辆。
（10）学校智慧校园学生项目组设计考勤管理系统，小申尝试利用计算机视觉进行人的身份识别，需要先对人脸进行检测。人脸检测最常用的方式是调用某些平台SDK 来实现。将以下步骤按正确顺序排列为(         )
①调用SDK，获取人脸检测(或识别)任务的返回信息
②导入智能工具图像处理SDK
③根据人脸定位信息绘制矩形框
④从返回信息中提取人脸的定位信息
A．①②③④       B、③④②①       C．②①③④       D．②①④③
（11）小申使用 Pillow库将照片 facel。 jpg中的人脸位置标记出来， 即以（100，50）为起点，划宽、高分别为200、100 的红色矩形。则以下程序中横线处的内容应分别为(         )
from PIL import Image, ImageDraw
im =Image. open('face1. jpg')
draw= ImageDraw. Draw(im)
draw. rectangle(100, 50,____), outline=（          ）
im. show()
A．300,150       0,255,0       B．200,250       255, 0, 0       C．300,150       255,0,0       D．200,250       0, 0, 255