002_wz_wed_DL_课程一第二周测试题

课程一 神经网络和深度学习

第二周 神经网络基础

第 1 题

神经元计算什么?

A.神经元计算激活函数后,再计算线性函数(z=Wx+b)

B.神经元计算一个线性函数(z=Wx+b),然后接一个激活函数

C.神经元计算一个函数g,它线性地缩放输入x(Wx+b)

D.神经元先计算所有特征的平均值,然后将激活函数应用于输出

第 2 题

以下哪一个是逻辑回归的损失函数?

A. L ( i ) ( y ^ ( i ) ) = ∣ y ( i ) − y ^ ( i ) ∣ L^{(i)}(\hat{y}^{(i)})=|y^{(i)}-\hat{y}^{(i)}| L(i)(y^(i))=y(i)y^(i)
B. L ( i ) ( y ^ ( i ) ) = m a x ( 0 , y ( i ) − y ^ ( i ) ) L^{(i)}(\hat{y}^{(i)})=max(0,y^{(i)}-\hat{y}^{(i)}) L(i)(y^(i))=max(0,y(i)y^(i))
C. L ( i ) ( y ^ ( i ) ) = ∣ y ( i ) − y ^ ( i ) ∣ 2 L^{(i)}(\hat{y}^{(i)})=|y^{(i)}-\hat{y}^{(i)}|^2 L(i)(y^(i))=y(i)y^(i)2
D. L ( i ) ( y ^ ( i ) ) = − ( y ( i ) l o g ( y ^ ( i ) ) + ( 1 − y ( i ) ) l o g ( 1 − y ^ ( i ) ) ) L^{(i)}(\hat{y}^{(i)})=-(y^{(i)}log(\hat{y}^{(i)})+(1-y^{(i)})log(1-\hat{y}^{(i)})) L(i)(y^(i))=(y(i)log(y^(i))+(1y(i))log(1y^(i)))

第 3 题

假设img是一个(32, 32, 3)数组,表示一个32x32图像,它有三个颜色通道:红色、绿色和蓝色。如何将其重塑为列向量?

A.x = img.reshape((1, 32*32, 3))

B.x = img.reshape((32323, 1))

C.x = img.reshape((3, 32*32))

D.x = img.reshape((32*32, 3))

第 4 题

考虑以下两个随机数组a和b:

a = np.random.randn(2, 3) # a.shape = (2, 3)  
b = np.random.randn(2, 1) # b.shape = (2, 1)  
c = a + b

c的维度是什么?

A.c.shape = (3, 2)

B.c.shape = (2, 1)

C.c.shape = (2, 3)

D.计算不成立因为这两个矩阵维度不匹配

第 5 题

考虑以下两个随机数组a和b:

a = np.random.randn(4, 3) # a.shape = (4, 3)
b = np.random.randn(3, 2) # a.shape = (3, 2)
c = a * b

c的维度是什么?

A.c.shape = (4, 3)

B.c.shape = (3, 3)

C.c.shape = (4, 2)

D.计算不成立因为这两个矩阵维度不匹配

第 6 题

假设每个示例有个输入特性, X = [ X ( 1 ) , X ( 2 ) , . . . , X ( m ) ] X=[X^{(1)},X^{(2)},...,X^{(m)}] X=[X(1),X(2),...,X(m)]的维数是多少?

A.(m, 1)

B.(1, m)

C.( n x n_x nx, m)

D.(m, n x n_x nx)

第 7 题

np.dot(a,b)对a和b的进行矩阵乘法,而a*b执行元素的乘法,考虑以下两个随机数组a和b:

a = np.random.randn(12288, 150) # a.shape = (12288, 150)  
b = np.random.randn(150, 45) # b.shape = (150, 45)  
c = np.dot(a, b)

c的维度是什么?

A.c.shape = (12288, 150)

B.c.shape = (150, 150)

C.c.shape = (12288, 45)

D.计算不成立因为这两个矩阵维度不匹配

第 8 题

请考虑以下代码段:

# 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]

如何将之矢量化?

A.c = a + d

B.c = a +b.T

C.c = a.T + b.T

D.c = a.T + b

第 9 题

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(33),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(33),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)

第 10 题

请考虑以下计算图:
Image Name
输出J是?

A.J = (c - 1) * (b + a)
B.J = (a - 1) * (b + c)
C.J = ab + bc + a*c
D.J = (b - 1) * (c + a)

1-10题 答案

1.B 2.D 3.B 4.C 5.D 6.C 7.C 8.B 9.A 10.B

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值