1.python里面zip的作用是什么，参数里面加*是什么作用？（10分）
zip, 是对于第一个参数，第二个参数，... 每个参数的第一个元素排成一个元组(), 每个参数第二个元素排成一个元组，返回结果是，这些元组构成的列表。
zip参数前面加*, 参数是列表或者元组，就会分叉开，有一个列表，变成，zip的多个参数
2.teamvier占用哪些端口（10分）
先尝试tcp/udp 5938,记忆方法（lbmp）,失败尝试443,然后80
3.目前windows端口最大最小值是多少？（10分）
uint16类型，16位， 0-65535，（jllml, ji long long make love）
4.画出pixel-link代码结构图。（30）
5.神经网络训练里面，early stop,和gradient clip，的过程是什么，有什么作用，pixel-link如何添加gradient clip？（20）
early stop: 训练时候，每次测试，测试误差，如果变大，就保留上一次测试无权值，停止训练
gradient clip: 对于gradient tensor, 计算l2 norm: l2n, clip_thresh<l2n, 那么缩放因子为clip_thresh/l2n, 对gradient tensor里面每个元素进行缩放，然后更新
为了防止训练不稳定，使得误差原来越大，以至于发散到nan,
pixel-link训练的时候，2s模型，从头训练，tianchi数据集加入54张自己标注的数据，训练到182758，逐渐发散了。
INFO:tensorflow:Recording summary at step 182757.
INFO:tensorflow:global step 182758: loss = 2.2304 (1.460 sec/step)
INFO:tensorflow:global step 182759: loss = 2.2243 (0.841 sec/step)
INFO:tensorflow:global step 182760: loss = 1.7180 (1.177 sec/step)
INFO:tensorflow:global step 182761: loss = 1.8096 (1.478 sec/step)
INFO:tensorflow:global step 182762: loss = 1.6113 (0.857 sec/step)
INFO:tensorflow:global step 182763: loss = 2.1548 (1.063 sec/step)
INFO:tensorflow:global step 182764: loss = 2.4716 (0.629 sec/step)
INFO:tensorflow:global step 182765: loss = 2.5268 (1.765 sec/step)
INFO:tensorflow:global step 182766: loss = 7.8909 (1.340 sec/step)
INFO:tensorflow:global step 182767: loss = 312.5331 (0.663 sec/step)
INFO:tensorflow:global step 182768: loss = 36.7526 (1.393 sec/step)
INFO:tensorflow:global step 182769: loss = 16.6951 (0.851 sec/step)
INFO:tensorflow:global step 182770: loss = 298.1107 (0.665 sec/step)
INFO:tensorflow:global step 182771: loss = 304.2742 (1.472 sec/step)
INFO:tensorflow:global step 182772: loss = 7340175.0000 (0.614 sec/step)
INFO:tensorflow:global step 182773: loss = nan (1.198 sec/step)
INFO:tensorflow:global step 182774: loss = nan (0.748 sec/step)
average_grandients = [(tf.clip_by_norm(grad, 5), v) if grad is not None else (grad, v) for (grad, v) in average_gradients]
6.pixel-link 训练日志里面，打印的loss是什么？（20）
这个网络里面loss只有一个，包括pixel 类别，连接误差。
7.pixellink预处理图片resize是否可以保持比例不变？test一张图，是否可以不resize直接输入？
原作者使用
tf_image.py:
image = tf.image.resize_images(image, size,
method, align_corners)
而使用image = tf.image.resize_image_with_pad(image, size[0], size[1])，会更好。
test阶段一张图，不应该resize,效果会更好
实际测试比较，发现效果：原图输入>resize_pad>resize
