吴恩达深度学习课程课后习题（第一课第一周）

吴恩达老师的深度学习课程是不可多得的入门教程，但由于网易官方不能发布课后习题及编程作业，很多同学学完了课程却不知道学习效果如何。因此，本鱼决定写个系列文章，大致讲讲解题思路，初衷是为了大家更好的交流和学习，请不要将此答案用于coursera刷分等其他用途，否则后果自负。

“AI是新的电力”，这是吴恩达老师在今年AI Conference上主题演讲的题目。这句话当然是比喻AI就像100年前的电力一样，正在给我们的生产生活带来巨大的变革。吴恩达老师在演讲中说，“在未来的某一天，建立一个由AI驱动的社会，我们周围的一切都具有AI智能，并改变人类的生活。”这个梦想的实现，不仅仅是依靠一个公司的努力，而是需要我们所有人一起努力。答案A。

 

这题问我们，最近深度学习这么火的原因都有哪些？话说，深度学习并不是一个新的领域，它只是众多机器学习算法中的一种，为什么在经历了起起落落后，最近能火起来呢？因为深度学习算法需要大量的数据和很强的硬件计算能力。之前受限于数据量和计算能力，一直不温不火。近几年互联网蓬勃发展，各种信息都实现了数据化，数据量大增，你想想你网购时留在互联网上的信息你就知道了。另外，计算机硬件按照“摩尔定律”发展，计算能力指数增长，这些都为深度学习算法的再次勃发提供了很好的基础。当然，也离不开利用深度学习算法实现的表现优异的各种产品，比如阿尔法狗，图像识别机器人，索菲亚机器人等。答案ABD。

 

这个图向我们展示了开发神经网络的一个过程，即从有想法，到用代码实现，再到运行代码看结果，再回过头修正想法如此循环往复。一个团队如果能更快的用代码实现想法，或者写出来的代码（算法）更好，或者科学家研究出了更优秀的算法，上述循环过程都会更短，从而提高效率。考虑到以上的原因，训练一个大的数据集，花的时间未必比训练小数据集花的时间长，当然也不是在大数据集上训练就更快。答案ABD。

 

这题考查我们对操作经验和模型的理解。一个表现很好的深度学习模型，并不是仅靠经验就能立马找到的。虽然经验很重要，但要找到一个表现很好的模型，都需要尝试，修复，不断完善的一个过程。答案False

 

这是第五题，问我们哪个图是ReLU函数，答案是上图。常用的激活函数还有：sigmoid函数，tanh函数和leaky ReLU函数。

 

此题考查我们对结构化数据和非结构化数据的理解。猫图像识别的数据是典型的非结构化数据，常见的非结构化数据还有文本，图像，视频等。答案False

 

此题考查我们对结构化数据和非结构化数据的理解。人口、GDP增速、经济增长率等数字都是结构化数据。答案False

 

此题考查我们对RNN（循环神经网络）的了解。RNN在语音识别，语言建模，翻译，图片描述等问题上已经取得一定成功。它是一种监督学习，比如输入数据英文，标签为法文。RNN 可以被看做是同一神经网络的多次赋值，每个神经网络模块会把消息传递给下一个，所以它是链式的，链式的特征揭示了 RNN 本质上是与序列和列表相关的，所以它在解决sequence上是毫无问题的。要说哪个完全比另一个强，基本都是错的。答案AC

 

这张图从侧面反映了深度学习为什么会火。它的横坐标是数据量，纵坐标是该算法的表现。从图中可以看出，随着横坐标--数据量的增大，无论是小型，中型还是大型的神经网络，表现均越来越好，而传统的算法则一直停留在一个水平。答案B

 

此题还是考查对上图的理解。总的来说，对于相同的数据量，只要足够多了，那么大型神经网络的表现更好。对同一个神经网络，数据量越多，其表现越好。答案BD