吴恩达深度学习课程-课后练习错题整理（1）

持续更新

深度学习第一课第二周

第18题

# a.shape = (3,4)  
# b.shape = (4,1)  
for i in range(3):  
  for j in range(4):  
    c[i][j] = a[i][j] + b[j]

如何将其矢量化？
A.c = a + d

B.c = a +b.T

C.c = a.T + b.T

D.c = a.T + b

答案：B

第19题（有点疑问）

请考虑以下代码段：

a = np.random.randn(3, 3)  
b = np.random.randn(3, 1)  
c = a * b

c的维度是什么？

A.这会触发广播机制，b会被复制3次变成(3*3)，而 * 操作是元素乘法，所以c.shape = (3, 3)

B.这会触发广播机制，b会被复制3次变成(3*3)，而 * 操作是矩阵乘法，所以c.shape = (3, 3)

C.这个操作将一个3x3矩阵乘以一个3x1的向量，所以c.shape = (3, 1)

D.这个操作会报错，因为你不能用*对这两个矩阵进行操作，你应该用np.dot(a, b)

答案：A

深度学习第一课第三周

第30题

考虑以下1个隐层的神经网络：

Z[1] 和 A[1]的维度是多少？
答：Z[1] 和 A[1] 的维度都是 (4,m)

【注意】这里的Z和A都是大写，代表的是m个样本数据，如果是小写就是(4,1)

深度学习第一课第四周

第32题

32、以下是“超参数”

隐藏层的大小n[l]
学习率α
迭代次数
神经网络中的层数L

深度学习第二课第一周

第41题

如果你有10,000,000个例子，你会如何划分训练/开发/测试集？

A.33%训练，33%开发，33%测试

B.60%训练，20%开发，20%测试

C.98%训练，1%开发，1%测试

答案：【C】

第43题

如果你的神经网络方差很高，下列哪个尝试是可能解决问题的？

A.添加正则项

B.获取更多测试数据

C.增加每个隐藏层的神经元数量

D.用更深的神经网络

E.用更多的训练数据

答案：【AE】

第47题

在测试时候使用dropout：

A.不要随机关闭神经元，但保留1/keep_brob因子

B.随机关闭神经元，保留1/keep_brob因子

C.随机关闭神经元，但不保留1/keep_brob因子

D.不要随机关闭神经元，也不要保留1/keep_brob因子

答案：【D】

第49题

以下哪些技术可用于减少方差（减少过拟合）？（选出所有正确项）

A.梯度消失

B.数据扩充

C.Dropout

D.梯度检查

E.Xavier初始化

F.L2正则化

G.梯度爆炸

答案：【BCF】

深度学习第二课第三周

第 64 题

如果您认为（动量超参数）介于0.9和0.99之间，那么推荐采用以下哪一种方法来对值进行取样？

A.

r = np.random.rand()  
beta = r * 0.09 + 0.9

B.

r = np.random.rand()  
beta = 1 - 10 ** ( - r - 1 )

C.

r = np.random.rand()  
beta = 1 - 10 ** ( - r + 1 )

D.

r = np.random.rand()  
beta = r * 0.9 + 0.09

答案：【B】