python牛客刷题——深度学习第五弹

已于 2022-10-11 16:19:02 修改
阅读量723 收藏 3
点赞数
分类专栏： 牛客刷题 文章标签： 深度学习 python 人工智能
于 2022-10-11 16:16:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_51142828/article/details/127265630
版权

python牛客刷题——深度学习第五弹

！！！个人主页：个人主页
！！！推荐一款模拟面试、刷题神器，从基础到大厂面试题：点击此处进入牛客网注册学习吧
！！！今日的努力，明日的未来

  1. 下列哪一项在神经网络中引入了非线性？

     A. 随机梯度下降
 *B.修正线性单元（ReLU）*
 C. 卷积函数
 D. 以上都不正确

解析：B 修正线性单元是非线性的激活函数。对于非线性激活函数来说，它的一阶导数不为常数。虽然RELU在小于零和大于零是都是线性的，但是从整个定义域的角度考虑，它是个非线性激活函数。实际上，RELU的组合可以逼近任意函数。

2. 下图是一个利用sigmoid函数作为激活函数的含四个隐藏层的神经网络训练的梯度下降图。这个神经网络遇到了梯度消失的问题。下面哪个叙述是正确的？在这里插入图片描述

	A.第一隐藏层对应D，第二隐藏层对应C，第三隐藏层对应B，第四隐藏层对应A
	B.第一隐藏层对应A，第二隐藏层对应C，第三隐藏层对应B，第四隐藏层对应D
	C.第一隐藏层对应A，第二隐藏层对应B，第三隐藏层对应C，第四隐藏层对应D
	D.第一隐藏层对应B，第二隐藏层对应D，第三隐藏层对应C，第四隐藏层对应A

解析：A 由于反向传播算法进入起始层，学习能力降低，这就是梯度消失。换言之，梯度消失是梯度在前向传播中逐渐减为0, 按照图标题所说, 四条曲线是4个隐藏层的学习曲线, 那么第一层梯度最高(损失函数曲线下降明显), 最后一层梯度几乎为零(损失函数曲线变成平直线). 所以D是第一层, A是最后一层。

  1. 假设你有5个大小为7x7、边界值为0的卷积核，同时卷积神经网络第一层的深度为1。此时如果你向这一层传入一个维度为224x224x3的数据，那么神经网络下一层所接收到的数据维度是多少？

     A.218x218x5
 B.217x217x8
 C.217x217x3
 D.220x220x5

解析：A 边界值是0指不打padding，尺度必然缩小，又stride是整数，至少是1，满足条件只有218*218。第一层的dims是1，5个卷积核concat，输出的dims是5

  1. 在CNN网络中，图A经过核为3x3，步长为2的卷积层，ReLU激活函数层，BN层，以及一个步长为2，核为22的池化层后，再经过一个33的的卷积层，步长为1，此时的感受野是（）

     A. 10
 B. 11
 C. 12
 D. 13

D 感受野的意思是现在的一个像素对应原来的多少个像素

倒着推导： “再经过一个33的的卷积层，步长为1”得到的一个像素对应原来33个像素 “33像素对应 “一个步长为2，核为22的池化层” 之前的 66或者77 在倒推 对应 第一次卷积“核为3x3，步长为2的卷积层”之前的 1313或者1414或者1515或者1616 答案中只有13，因此选13

  1. 下列是caffe支持的loss优化的方法的是（）

     A. Adam
 B. SGD
 D. AdaDelta
 D. Nesterov

解析：ABCD

小滕的兵
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习刷题
qq_43615651的博客
03-31 198
resnet-34 和 resnet-50 都是有四组block，每组分别是 3 4 6 3个block，resnet-34 的每个block里面有两个卷积层，resnet-50的每个block里面有三个，另外这两个网络的最开始都有一个单独的卷积层。C:stacking：它所做的是在多个分类器的结果上，再套一个新的分类器。Attention-based Model其实就是一个相似性的度量，当前的输入与目标状态越相似，那么在当前的输入的权重就会越大，说明当前的输出越依赖于当前的输入。
激活函数的属性以及激活函数的选择
Zhongyanxia123的博客
12-09 1123
一、激活函数需要有什么属性？ 非线性： 即导数不是常数。这个条件是多层神经网络的基础，保证多层网络不退化成单层线性网络。这也是激活函数的意义所在。 几乎处处可微： 可微性保证了在优化中梯度的可计算性。传统的激活函数如sigmoid等满足处处可微。对于分段线性函数比如ReLU，只满足几乎处处可微（即仅在有限个点处不可微）。对于SGD算法来说，由于几乎不可能收敛到梯度接近零的位置，有限的不可微点对于优化结果不会有很大影响。 计算简单： 非线性函数有很多。极端的说，一个多层神经网络也可以作为一个非线性函数，类似
【深度学习】刷题篇
DLUT_yan的博客
03-18 1166
刷题七月在线深度学习，题目没感觉有多好，但是，也没有找到更好的刷题形式，所以有时间就刷刷题，看解析，然后记录一下大致的搜索链接，方便了解知识。 后续重要的知识点，会提出来，单独博客记录。 持续更新 1. Ensemble Learning常见方法总结（Bagging、Boosting、Stacking、Blending） 先大致了解各种集成方法，后期逐个学习 2. 机器学习之超参数调优 简单介...
刷题笔记之深度学习
最新发布
qq_52057773的博客
06-12 311
每一层输出的特征图（feature map）上的像素点在输入图片上映射的区域大小。再通俗点的解释是，特征图上的一个点对应输入图上的区域。感受野（Receptive Field）的定义是卷积。Lk-1:表示第k-1层的感受野；Fk:表示第k层卷积核的大小；Lk:表示第k层的感受野；Si:表示第i层的步长。
国外程序员刷题-deeplearning-papernotes:深度学习研究论文摘要和笔记
07-01
国外程序员刷题2018-02 深度学习所需的矩阵微积分 [] 图像分类器架构搜索的正则化演化 [] 在线学习：综合调查 [] 深度学习的视觉可解释性：一项调查 [] 行为就是一切——用感觉运动偶发事件来表示概念 [] [] [] IMPALA：具有重要性加权 Actor-Learner 架构的可扩展分布式深度强化学习 [] [] [] DeepType：通过神经类型系统进化的多语言实体链接 [] [] [] DensePose：野外密集人体姿势估计 [] [] 2018-01 嵌套 LSTM [] 通过总结长序列生成维基百科 [] 用于电子健康记录的可扩展且准确的深度学习 [] 通过条件协方差最小化的内核特征选择 [] [] [] Psychlab：深度强化学习代理的心理学实验室 [] [] [] 用于文本分类的微调语言模型 [] []（即将推出） 深度学习：应用数学家简介 [] 天赋、AlphaZero 和人工智能 [] 计算机可以创造艺术吗？ [] eCommerceGAN：电子商务的生成对抗网络 [] 强化学习的预期策略梯度 [] DroNet：通过驾驶学习飞行 [] [] []
牛客网刷题：python基础
weixin_41108334的博客
11-06 1417
sort 与 sorted 区别： sort 是应用在 list 上的方法，sorted 可以对所有可迭代的对象进行排序操作。 list 的 sort 方法返回的是对已经存在的列表进行操作，无返回值，而内建函数 sorted 方法返回的是一个新的 list，而不是在原来的基础上进行的操作。 语法：sorted(iterable[, cmp[, key[, reverse]]]) it...
【Python刷题】001-牛客网4道题
心动冲鸭
04-29 743
1. 下面哪个是Python中的不变的数据结构？ A、set B、list C、tuple D、dict 可变数据类型：列表list[ ]、字典dict{ } 不可变数据类型：整型int、字符串str’ '、元组tuple() 正确答案:C 2. 下列哪种类型是Python的映射类型？ A、str B、list C、tuple D、dict 字典是python中唯一的映射类型，阐述了键与键值之间的对应关系 正确答案: D 3. 下列表达式的值为True的是 A、5+4j > 2-3j B、3>2
大学想报计算机专业，暑假想要自学，有哪些建议？
yx5666的博客
07-01 968
985 通信专业学长，转行程序员，关于计算机自学我可太懂了！一开始我不建议你去学 Python 、Java、C++ 这种编程语言，也不建议马上看计算机基础相关的内容，我反而建议你看一本书----《浪潮之巅》，看完这本书你会感叹于计算机是多么的神奇，不过短短几十年，计算机乃至互联网行业发生了如此翻天覆地的变化。这本书介绍了 IT 领域各个著名企业比如苹果、微软、谷歌的发展历程并总结出该领域发展规律，先看这本书能让你在大学学习计算机那些枯燥的知识时不再煎熬，见识过星辰大海，怎么会被臭水沟拦住！看完这本书就可以先
【亚马逊】应用科学家Applied Scienist暑期实习
华鑫的专栏
04-24 1121
攒人品挂的挺快的，但是感觉被KPI了1.不用自我介绍，直接提问（我嗅到了KPI面的气息）2.问了两个。本人985本材料专业，贵州人，现在签了上汽五菱的研发岗，还有一个offer是长沙的中联重科，对象留在。两家工作强度差不多，军工国企的话离家近，跟女朋友在一个公司，每年还有一万多左右的补贴，中兴离家和女朋。考研二战寄，双非一本，hr说是目标院校，机考分数386，面的开发，技术面手撕给的一道简单题，13个人。这是我的简历，投了好多实习，都没人理我啊啊啊啊啊，没一个人喊我面试，我真的好菜啊，除了算法岗，我还可。
【python牛客刷题】——深度学习第三弹
qq_51142828的博客
09-19 445
深度学习第三次训练题及其解析
Python 练习题100道
02-28
Python 练习题100道
【每日算法】理论：深度学习基础 刷题：力扣哈希表回顾
weixin_47748259的博客
04-12 1012
KL散度和JS散度在度量的时候有一个问题：如果p、q离得很远，完全没有重叠的时候，那么KL散度值是没有意义的，而JS散度值是一个常数。这在学习算法中是比较致命的，这就意味这这一点的梯度为0。JS散度度量了两个概率分布的相似度，基于KL散度的变体，解决了KL散度非对称的问题。问题类似，只不过需要多加一层循环。这两道题的关键难点在于不可以包含重复，因此在使用哈希法处理的时候有很多细节需要注意。问题可以先用两层for循环确定 a 和b 的数值，然后利用哈希法来确定 0-(a+b) 是否在 数组里出现过，而。
python题库刷题训练选择题,大一python题库刷题训练
wenangou的博客
09-19 910
二、Python语言的特点1、简单、高级2、面向对象3、可扩展性、免费和开源的4、可移植型、可嵌入型、丰富的库三、Python语言的应用范围1、操作系统管理2、科学计算3、Web应用4、图形用户界面（GUI）开发5、其他，例如游戏开发等优点简单：Python是一种代表简单主义思想的语言。使用者可以自由地发布这个软件的拷贝、阅读它的源代码、对它做改动、把它的一部分用于新的自由软件中。一、Python语言的简述Python语言是一种解释型、面向对象的编程语言，是一种开源语言。
深度学习100题-知识点总结
m0_62401440的博客
10-01 952
1.Boosting 对于训练集中的每个样本建立权值wi，表示对每个样本的权重， 其关键在与对于被错误分类的样本权重会在下一轮的分类中获得更大的权重。 同时加大分类误差概率小的弱分类器的权值，使其在表决中起到更大的作用，减小分类误差率较大弱分类器的权值，使其在表决中起到较小的作用。 2.Bagging 对原始样本进行划分，使得多个模型在互不相同的数据上进行训练，同时与彼此模型之间进行参数共享，实现高度正则化。Dropout可以看作是一种极端的Bagging。 3.主成分分析法（PCA） PCA提
两个月入门深度学习，全靠动手实践！一位前端小哥的经验分享
量子位
10-15 3786
王新民 编译自 Hackernoon 量子位 出品 | 公众号 QbitAI 在当前社会，技术日新月异，一个全栈工程师不及时学习新知识，掌握AI技能，再过两年就算不上“全栈”了。 产品发烧友、前端小哥Shival Gupta在意识到这一点后，通过两个多月的探索，掌握了基本的AI技能，并在Hackernoon上发文分享了自己的学习历程。 量子位搬运过来，各位可以参考他的学习思
机器学习，深度学习，自然语言处理专项练习记录-01
weixin_43943642的博客
05-26 1033
机器学习，深度学习，自然语言处理专项练习记录-01 构建一个神经网络，将前一层的输出和它自身作为输入。下列哪一种架构有反馈连接？ A. 循环神经网络 B. 卷积神经网络 C. 受限玻尔兹曼机 D. 都不是 答案：A 解析：RNN的结构定义就是具有反馈层的，这样才成功实现了记忆功能。 CNN并不具备反馈，它本质是一种前馈的网络，而受限波尔兹曼机，它的结构和全连接网络一样，只不过内部计算的方式不同。 深度学习是当前很热门的机器学习算法，在深度学习中，涉及到大量的矩阵相乘，现在需要计算三个稠密矩阵A,B
[39题] 牛客深度学习专项题
Le0v1n 的博客
07-20 7673
牛客深度学习专项题，共39道
机器学习题目汇总
qq_39066502的博客
09-06 9544
机器学习题目
牛客刷题 jsnode 输入输出
08-25
在牛客网上刷题，使用 JavaScript 和 Node.js 进行输入输出操作是非常常见的。下面是一个简单的示例，演示如何使用 Node.js 读取标准输入并输出结果： ```javascript // 导入内置的 `readline` 模块 const readline = require('readline'); // 创建 `readline` 接口 const rl = readline.createInterface({ input: process.stdin, // 设置输入流为标准输入 output: process.stdout // 设置输出流为标准输出 }); // 提示用户输入 rl.question('请输入一个数字：', (input) => { // 处理用户输入 const number = parseInt(input); // 输出结果 console.log(`输入的数字是：${number}`); // 关闭读取器 rl.close(); }); ``` 使用以上代码，你可以在命令行中输入一个数字，然后将其输出。 请注意，以上示例仅展示了如何进行简单的输入输出操作。在实际的题目中，你可能需要根据具体的需求进行更复杂的输入输出处理。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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