神经网络和深度学习第二周检测

答案看最下方

---

1.神经元节点计算什么？

A. 神经元节点先计算激活函数，再计算线性函数(z = Wx + b)

B. 神经元节点先计算线性函数（z = Wx + b），再计算激活。

C. 神经元节点计算函数g，函数g计算(Wx + b)。

D. 在 将输出应用于激活函数之前，神经元节点计算所有特征的平均值

2.Logistic损失函数表达式的形式？

答：

3.假设img是一个（32,32,3）数组，具有3个颜色通道：红色、绿色和蓝色的32x32像素的图像。 如何将其重新转换为列向量？

代码答：

4.看一下下面的这两个随机数组“a”和“b”：请问数组c的维度是多少？

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

答：

5.看一下下面的这两个随机数组“a”和“b”：请问数组“c”的维度是多少？

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

答：

6.假设你的每一个实例有n_x个输入特征，想一下在X=[x^(1), x^(2)…x(m)]中，X的维度是多少？

答：

7.看一下下面的这两个随机数组“a”和“b”：请问c的维度是多少？

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)

答：

8.看一下下面的这个代码片段：请问要怎么把它们向量化？

# 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]

答：

9.看一下下面的代码：请问c的维度会是多少？

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

答：

---

答案：

1. B（神经元输出的是g(Wx + b)，根据前向传播应该是先计算(Wx + b)，再将其带入到激活函数g中）
2. 针对于单个训练集的：（误差函数）

针对于整个训练集的：（成本函数）

3. x = img.reshape((32*32*3,1))#reshape的作用是重塑数组
   

4. c.shape = (2, 3)#根据python的广播原理（B的列向量复制三次与A相加）
   

5. 直接报错，想广播都广播不了，行和列向量都没有办法复制

6. X.shape = (n_x,m)
   #这个形式的
   X=[[x_1^(1), x_1^(2)…x_1^(m)]
      [x_2^(1), x_2^(2)…x_2^(m)]
      ........................
      [x_n^(1), x_n^(2)…x_n^(m)]]
   

7. c.shape = (12288, 45)#就是简单的矩阵乘法，dot(n×m , m×v) = n×v 
   

8. c= a+b.T#这个就相当于是a的所有元素加上b转置的广播
   

9. c.shape = (3, 3)#这题跟第五题一样，但是这题中b的行数跟a的行数一样，就可以将b的列广播