神经网络和深度学习第四周检测

答案见下方

---

1.在实现前向传播和反向传播中使用的“cache”是什么？

A. 用于在训练期间缓存成本函数的中间值。
B. 我们用它传递前向传播中计算的变量到相应的反向传播步骤，它包含用于计算导数的反向传播的有用值。
C. 它用于跟踪我们正在搜索的超参数，以加速计算。
D. 我们使用它将向后传播计算的变量传递给相应的正向传播步骤，它包含用于计算计算激活的正向传播的有用值。

2.以下哪些是“超参数”？

A. 隐藏层的大小n^ [l]
B. 学习率α
C. 迭代次数
D. 神经网络中的层数L

3.下列哪个说法是正确的？

A. 神经网络的更深层通常比前面的层计算更复杂的输入特征。
B. 神经网络的前面的层通常比更深层计算输入的更复杂的特性。

4.向量化允许您在L层神经网络中计算前向传播，而不需要在层(l = 1,2，…，L)上显式的使用for-loop（或任何其他显式迭代循环），正确吗？

A. 正确
B. 错误

5. 假设我们将n^ [l]的值存储在名为layers的数组中，如下所示：layer_dims = [n_x,4,3,2,1]。 因此，第1层有四个隐藏单元，第2层有三个隐藏单元，依此类推。 您可以使用哪个for循环初始化模型参数？

答：

6.下面关于神经网络的说法正确的是：

A. 层数L为4，隐藏层数为3

7.在前向传播期间，在层l的前向传播函数中，您需要知道层l中的激活函数（Sigmoid，tanh，ReLU等）是什么， 在反向传播期间，相应的反向传播函数也需要知道第l层的激活函数是什么，因为梯度是根据它来计算的，正确吗？

A. 正确
B. 错误

8.有一些功能具有以下属性：(i) 使用浅网络电路计算函数时，需要一个大网络（我们通过网络中的逻辑门数量来度量大小），但是（ii）使用深网络电路来计算它，只需要一个指数较小的网络。真/假？

A. 正确
B. 错误

9.前面的问题使用了一个特定的网络，与层l有关的权重矩阵在一般情况下，W^ [l]的维数是多少?

答：

---

答案：

1. B

2. ABCD

3. A

4. B

5. for(i in range(1, len(layer_dims))):
       parameter[‘W’ + str(i)] = np.random.randn(layers[i], layers[i - 1])) * 0.01
       parameter[‘b’ + str(i)] = np.random.randn(layers[i], 1) * 0.01
   

6. A

7. A(在反向传播期间，您需要知道正向传播中使用哪种激活函数才能计算正确的导数。)

8. A

9. w^ [l]的维度是（n^ [l]，n^ [l-1]）