第三章 神经网络八股

1判断(2分)

本课中搭建神经网络六步法包括如下步骤：

1、import

2、train, test

3、Sequential / Class

4、model.compile

5、model.fit

6、model.summary

• A.正确

• B.错误

2单选(2分)

使用Sequential()函数搭建神经网络训练MNIST数据集的代码为：

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')])

请问使用model.summary()打印网络结构和参数统计中，Total params的数目为？

 

• A.100480

• B.1280

• C.101770

• D.101632

3单选(2分)

以下数据为训练过程中某个epoch的最终输出，其中最能直观有效反映网络准确度的数据是？

60000/60000 [==============================]

- 4s 68us/sample

- loss: 0.2916

- sparse_categorical_accuracy: 0.8920

- val_loss: 0.3387

- val_sparse_categorical_accuracy: 0.8770

 

• A.0.2916

• B.0.8920

• C.0.3387

• D.0.8770

4单选(2分)

如果标签以数值形式给出，模型推理结果以概率形式给出，则model.compile()函数中metrics参数应选择哪一项？

• A.‘sparse_categorical_crossentropy’

• B. ‘accuracy’

• C.‘categorical_accuracy’

• D.‘sparse_ categorical_accuracy’

5多选(2分)

以下关于MNIST数据集和Fashion_mnist数据集描述正确的是？

• A.MNIST数据集一共包括7万张图片，其中6万张用于训练，1万张用于测试。

• B.每张图片包括1024(32×32)个像素点。

• C.MNIST数据集是为0到9的手写数字数据集。

• D.Fashion_mnist数据集中的图片被分为20类。

习题来源于：曹健老师的《人工智能实践：Tensorflow笔记》课程

视频链接：https://www.icourse163.org/learn/PKU-1002536002?tid=1452937471&from=study#/learn/announce