2025年P(guān)ython面向?qū)ο缶幊虒ｍ椨柧氃嚲恚荷疃葘W習應用版考試時間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.下列哪個關(guān)鍵字用于定義一個類？A.functionB.defC.classD.struct2.在Python中，用于定義類屬性，其值對同一類的所有實例共享的是？A.實例屬性B.方法C.類屬性D.靜態(tài)方法3.以下哪個方法在對象被打印時通常會自動被調(diào)用？A.`__init__`B.`__str__`C.`__call__`D.`__new__`4.如果一個類繼承自另一個類，子類會自動繼承父類的所有？A.方法，但非屬性B.屬性，但非方法C.方法和屬性D.方法和屬性，以及父類的構(gòu)造函數(shù)5.以下哪個是Python中實現(xiàn)方法重寫的正確做法？A.`classChild(Parent):defmethod(self):Parent.method(self)`B.`classChild(Parent):defmethod(self,*args):super().method(*args)`C.`classChild(Parent):defmethod(self):self.method()`D.`classChild(Parent):defmethod(self):Parent.method()`6.`super()`函數(shù)的主要作用是？A.引用當前類的父類B.引用全局變量C.執(zhí)行父類的方法D.創(chuàng)建父類的新實例7.以下哪個裝飾器可以用于將一個普通函數(shù)轉(zhuǎn)換為類方法（需要傳遞cls參數(shù)）？A.`@staticmethod`B.`@classmethod`C.`@property`D.`@abstractmethod`8.在設計一個數(shù)據(jù)加載類用于深度學習時，通常需要繼承自哪個庫中的類？A.`collections`B.`itertools`C.`torch.utils.data.Dataset`(假設使用PyTorch)D.`tf.data.Dataset`(假設使用TensorFlow)9.如果希望限制對類屬性的訪問，使其只能通過方法修改，應使用什么機制？A.繼承B.封裝（使用私有屬性和getter/setter）C.多態(tài)D.裝飾器10.以下哪個設計模式最適合用于根據(jù)不同條件創(chuàng)建不同類型的對象，而無需明確指定具體創(chuàng)建者？A.單例模式B.工廠模式C.觀察者模式D.策略模式二、填空題（每空2分，共20分）1.在Python中，創(chuàng)建類實例（對象）通常使用`__________`運算符或調(diào)用類的構(gòu)造方法。2.類方法的第一個參數(shù)通常命名為`__________`，指向當前類的實例或類本身。3.要在類外部修改受保護的類屬性（單下劃線開頭），通常建議使用`__________`命名約定。4.當子類的方法與父類同名且簽名相同時，稱為`__________`。5.在深度學習框架中，定義神經(jīng)網(wǎng)絡層通常需要繼承自`__________`(以PyTorch為例)或類似基類。6.如果一個類的所有方法都是靜態(tài)方法，并且類中沒有需要維護的狀態(tài)，可以考慮將其定義為`__________`。7.編寫一個用于封裝模型訓練邏輯的類時，通常會覆寫或?qū)崿F(xiàn)框架提供的`__________`方法（以PyTorch為例，指前向傳播）。8.使用`__________`裝飾器可以定義一個只讀屬性，該屬性名對應一個方法，訪問屬性時調(diào)用該方法。9.在設計數(shù)據(jù)加載類時，為了高效地迭代數(shù)據(jù)，通常需要實現(xiàn)`__________`方法。10.在面向?qū)ο笤O計中，`__________`原則指一個類應該有盡可能少的功能（職責），并專注于做好一件事情。三、編程題（共60分）1.基礎類設計（15分）請定義一個`Rectangle`類，包含兩個實例屬性：`width`(寬度)和`height`(高度)。在類中實現(xiàn)以下方法：*一個構(gòu)造方法`__init__`，用于初始化寬度和高度。*一個方法`calculate_area`，返回矩形的面積。*一個方法`calculate_perimeter`，返回矩形的周長。*一個方法`resize`，接受新的寬度和高度，修改對象的寬度和高度屬性。2.類繼承與多態(tài)（15分）基于上一題的`Rectangle`類，定義一個新的類`Square`，它繼承自`Rectangle`。*`Square`類的構(gòu)造方法應接受一個邊長參數(shù)`side`，并使用該參數(shù)初始化`Rectangle`類的`width`和`height`屬性。*`Square`類應覆寫`resize`方法，使其無法改變邊長，只能重新設置為新的邊長，并同步更新`Rectangle`的`width`和`height`。調(diào)用`Square`對象的`resize`方法時，應體現(xiàn)多態(tài)性。*編寫幾行代碼，創(chuàng)建一個`Rectangle`對象和一個`Square`對象，測試它們的`calculate_area`和`calculate_perimeter`方法，以及`resize`方法的行為。3.深度學習模型封裝（30分）假設我們正在使用PyTorch框架進行簡單的圖像分類任務。*定義一個名為`SimpleCNN`的類，繼承自`torch.nn.Module`。*在`__init__`方法中，定義一個簡單的卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)，至少包含一個`torch.nn.Conv2d`層和一個`torch.nn.ReLU`層。確保調(diào)用`super(SimpleCNN,self).__init__()`。*實現(xiàn)`forward`方法，定義數(shù)據(jù)如何通過網(wǎng)絡前向傳播。假設輸入數(shù)據(jù)的形狀是`(batch_size,1,28,28)`（灰度圖像）。*編寫幾行代碼，創(chuàng)建一個`SimpleCNN`對象，并嘗試傳入一個形狀為`(1,1,28,28)`的虛擬張量（可以使用`torch.randn`生成）通過該對象的`forward`方法，觀察輸出張量的形狀。四、簡答題（共10分）在開發(fā)一個包含多個神經(jīng)網(wǎng)絡模型和數(shù)據(jù)集的復雜深度學習項目中，使用面向?qū)ο缶幊趟枷耄ɡ?，設計模型類、數(shù)據(jù)加載類、訓練器類等）相比僅僅使用函數(shù)和模塊有什么主要優(yōu)勢？請簡述至少三點。試卷答案一、選擇題1.C解析：`class`是Python中定義類的關(guān)鍵字。2.C解析：類屬性定義在類級別，被所有實例共享。3.B解析：`__str__`方法返回對象的“官方”字符串表示，常用于打印對象時顯示有意義的文本。4.C解析：繼承會自動將父類的可訪問方法（非私有）和屬性傳遞給子類。5.B解析：`super().method(*args)`正確地調(diào)用了父類中同名的方法，實現(xiàn)了方法重寫。6.C解析：`super()`在當前是子類的方法中，調(diào)用父類同名的方法，是面向?qū)ο罄^承中的標準用法。7.B解析：`@classmethod`裝飾器將函數(shù)定義為類方法，第一個參數(shù)是類本身（cls）。8.C解析：在PyTorch中，自定義數(shù)據(jù)集類必須繼承自`torch.utils.data.Dataset`。(若使用TensorFlow，則為`tf.data.Dataset`或其子類)9.B解析：封裝通過將數(shù)據(jù)（屬性）和操作數(shù)據(jù)的方法捆綁在一起，并限制外部直接訪問（如使用私有屬性，通常以雙下劃線開頭），實現(xiàn)信息隱藏。10.B解析：工廠模式的核心是創(chuàng)建對象，它根據(jù)傳入的參數(shù)決定創(chuàng)建哪個類的實例，隱藏了創(chuàng)建邏輯。二、填空題1.`()`或`__init__`解析：創(chuàng)建對象時，可以直接使用`類名()`，這會自動調(diào)用類的`__init__`方法。`__init__`方法本身在創(chuàng)建實例時也會被調(diào)用。2.`self`解析：在Python類的方法定義中，第一個參數(shù)`self`指向調(diào)用方法的實例對象本身。3.`_attribute_name`解析：單下劃線命名約定（leadingunderscore）在Python中通常用于指示屬性是受保護的，表示它在類外部使用時應謹慎。4.方法重寫(MethodOverriding)解析：當子類定義了與父類同名且參數(shù)簽名相同的方法時，稱為方法重寫，子類方法會覆蓋父類方法。5.`torch.nn.Module`解析：在PyTorch中，所有自定義的神經(jīng)網(wǎng)絡層模型都必須繼承自`torch.nn.Module`基類。6.`@staticmethod`解析：靜態(tài)方法不依賴于類的實例（self）或類本身（cls），可以通過類名直接調(diào)用。當類中只有靜態(tài)方法且無狀態(tài)時，可定義為靜態(tài)類。7.`forward`解析：在PyTorch中，定義模型前向傳播邏輯的方法必須命名為`forward`。TensorFlow中類似概念通過`__call__`或定義`call`方法實現(xiàn)。8.`@property`解析：`@property`裝飾器可以將一個方法轉(zhuǎn)換為屬性訪問，調(diào)用`property_name`時執(zhí)行`property_name`對應的方法。9.`__iter__`解析：為了使自定義的數(shù)據(jù)集類能夠被迭代（例如用在`DataLoader`中），類必須實現(xiàn)`__iter__`方法返回一個迭代器。10.單一職責(SingleResponsibility)解析：單一職責原則指出一個類應該只有一個引起它變化的原因，即只負責一項職責。三、編程題1.基礎類設計```pythonclassRectangle:def__init__(self,width,height):self.width=widthself.height=heightdefcalculate_area(self):returnself.width*self.heightdefcalculate_perimeter(self):return2*(self.width+self.height)defresize(self,new_width,new_height):self.width=new_widthself.height=new_height```解析：`__init__`方法初始化實例屬性`width`和`height`。`calculate_area`和`calculate_perimeter`方法根據(jù)矩形公式計算面積和周長。`resize`方法接受新尺寸并更新實例屬性。2.類繼承與多態(tài)```pythonclassSquare(Rectangle):def__init__(self,side):super().__init__(side,side)#調(diào)用父類構(gòu)造方法，設置width和height相同defresize(self,new_side):#覆寫resize方法，不允許改變邊長，只設置新的邊長#由于width和height已經(jīng)通過父類初始化為new_side，這里可以簡單設置#但更嚴謹?shù)淖龇ㄊ菣z查new_side是否有效，并同步更新父類屬性#為簡化，這里直接賦值，并假設new_side總是有效self.width=new_sideself.height=new_side#或者更安全的：#ifnew_side>0:#super().resize(new_side,new_side)#調(diào)用父類resize#測試代碼rect=Rectangle(4,5)print("RectangleArea:",rect.calculate_area())#20print("RectanglePerimeter:",rect.calculate_perimeter())#18rect.resize(6,8)print("RectangleResizedWidth:",rect.width)#6print("RectangleResizedHeight:",rect.height)#8sq=Square(3)print("\nSquareArea:",sq.calculate_area())#9print("SquarePerimeter:",sq.calculate_perimeter())#12#嘗試調(diào)用Square的resize方法sq.resize(5)print("SquareResizedWidth:",sq.width)#5print("SquareResizedHeight:",sq.height)#5#嘗試調(diào)用Rectangle的resize方法（多態(tài)）rect.resize(10,10)print("\nRectangleResizedtoSquare:",rect.width)#10print("RectangleResizedtoSquare:",rect.height)#10```解析：`Square`繼承自`Rectangle`，構(gòu)造方法通過`super()`調(diào)用父類方法完成初始化。`resize`方法被覆寫，使其只接受一個參數(shù)`new_side`并同步更新`width`和`height`。測試代碼展示了創(chuàng)建實例、調(diào)用繼承的方法、調(diào)用覆寫的方法以及多態(tài)性（不同類的實例調(diào)用相同方法的行為可能不同）。3.深度學習模型封裝```pythonimporttorchimporttorch.nnasnnclassSimpleCNN(nn.Module):def__init__(self):super(SimpleCNN,self).__init__()#調(diào)用父類構(gòu)造方法#定義一個卷積層：輸入通道1，輸出通道16，kernel_size=3，padding=1self.conv1=nn.Conv2d(1,16,kernel_size=3,padding=1)#定義一個ReLU激活函數(shù)self.relu=nn.ReLU()defforward(self,x):#定義前向傳播路徑：卷積->ReLUx=self.conv1(x)x=self.relu(x)returnx#測試代碼model=SimpleCNN()