課程一(Neural Networks and Deep Learning)，第二周（Basics of Neural Network programming）—— 1、10個測驗題（Neural Network Basics）

 

 

 

 

 

 

 

--------------------------------------------------中文翻譯-----------------------------------------------------------------------------------------

1、神經元的計算是什么？(B)

A. 在將輸出應用到激活函數之前, 神經元計算所有特征的平均值

B. 神經元計算一個線性函數 (z = Wx + b), 然后是一個激活函數

C. 神經元計算一個激活函數, 后跟一個線性函數 (z = Wx + b)

D. 一個神經元計算一個函數 g, 它將輸入 x 線性地縮放 (Wx + b)

 

2、下面哪個是損失函數？（B）

見對應的英文題2

 

3、假設 img 是一個 (32，32，3) 數組, 代表一個32x32 的圖像與3色通道紅色, 綠色和藍色。如何將其重塑為列向量？(B)

A. x = img 重塑 (32 * 32,3))

B. x = img 重塑 (32 * 32 * 3,1))

C. x = img 重塑 (1,32 * 32, * 3))

D. x = img 重塑 (3,32 * 32))

 

4、考慮以下兩個隨機數組 "a" 和 "b"， "c" 的形狀是什么？（B）

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

 

A. c.shape = (2, 1)

B. c.shape = (2, 3)

C. c.shape = (3, 2)

D. 由於大小不匹配, 無法進行計算。這將是 "錯誤"!

 

5、考慮以下兩個隨機數組 "a" 和 "b"， "c" 的形狀是什么？（A）

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

A. 由於大小不匹配, 無法進行計算。這將是 "錯誤"!

A. c.shape = (3, 3)

B. c.shape = (4, 2)

C. c.shape = (4, 3)

 

6、假設每一個樣本的特征為n_x維，X=[x⁽¹⁾x⁽²⁾...x^(m)]，X的維度是多少？(A)

A. (n_x,m)

B. (1,m)

C. (m,1)

D. (m,n_x)

 

7、記得 "np. dot(a, b)" 在 a 和 b 上執行矩陣乘法, 而 "a * b" 執行元素乘法。考慮以下兩個隨機數組 "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 的形狀是什么？(D)

 A. c. 形狀 = (12288, 150)

 B. 由於大小不匹配, 無法進行計算。這將是 "錯誤"!

 C. c. 形狀 = (150150)

 D. c. 形狀 = (12288, 45)

 

8、請考慮以下代碼段，你怎么量化？（B）

# 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]

A. c = a + b

B. c = a + b.T

C. c = a.T + b

D. c = a.T + b.T

 

9、請考慮以下代碼：c的結果？(如果您不確定, 請隨時在 python 中運行此查找)。(A)

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

 

A. 這將觸發廣播機制, 所以 b 被復制三次，成為 (3，3), * 代表矩陣對應元素相乘, 所以 c 的大小將是 (3, 3)

B. 這將觸發廣播機制, 所以 b 被復制三次，成為 (3, 3), * 代表矩陣乘法，運算兩個3x3 的矩陣, 所以 c的大小將是 (3, 3)

C. 這將乘以一個3x3 矩陣 a 與一個3x1 向量b, 從而得到一個3x1 向量。即, c的大小 (3，1)。

D. 這將導致錯誤, 因為您不能使用 "*" 來操作這兩個矩陣。你需要改用 np.dot(a, b)

 

10、 考慮下面的計算圖。 什么是輸出 J？（B） （注：由於網站無法顯示圖片，這題答案不確定。考察的知識點是計算圖）

 

 

A. J = (c - 1)*(b + a)

B. J = (a - 1) * (b + c)

C. J = a*b + b*c + a*c

D. J = (b - 1) * (c + a)