sheng的学习笔记-【中文】【吴恩达课后测验】Course 1 - 神经网络和深度学习 - 第二周测验

课程1_第2周_测验题

目录:目录

第一题

1.神经元计算什么?

A. 【  】神经元计算激活函数后,再计算线性函数(z=Wx+b)

B. 【  】神经元计算一个线性函数(z=Wx+b),然后接一个激活函数

C. 【  】神经元计算一个函数g,它线性地缩放输入x(Wx+b)

D. 【  】神经元先计算所有特征的平均值,然后将激活函数应用于输出

答案:

B.【 √ 】神经元计算一个线性函数(z=Wx+b),然后接一个激活函数

第二题

2.以下哪一个是逻辑回归的损失函数?

A. 【  】 L ( i ) ( y ^ ( i ) , y ( i ) ) = ∣ y ( i ) − y ^ ( i ) ∣ L^{(i)}(\hat{y}^{(i)},y^{(i)})=|y^{(i)} - \hat{y}^{(i)}| L(i)(y^(i),y(i))=y(i)y^(i)

B. 【  】 L ( i ) ( y ^ ( i ) , y ( i ) ) = m a x ( 0 , y ( i ) − y ^ ( i ) ) L^{(i)}(\hat{y}^{(i)},y^{(i)})=max(0,y^{(i)} - \hat{y}^{(i)}) L(i)(y^(i),y(i))=max(0,y(i)y^(i))

C. 【  】 L ( i ) ( y ^ ( i ) , y ( i ) ) = ∣ y ( i ) − y ^ ( i ) ∣ 2 L^{(i)}(\hat{y}^{(i)},y^{(i)})=|y^{(i)} - \hat{y}^{(i)}|^2 L(i)(y^(i),y(i))=y(i)y^(i)2

D. 【  】 L ( i ) ( y ^ ( i ) , y ( i ) ) = − ( y ( i ) l o g ( y ^ ( i ) ) + ( 1 − y ( i ) ) l o g ( 1 − y ^ ( i ) ) ) L^{(i)}(\hat{y}^{(i)},y^{(i)})=-(y^{(i)}log(\hat{y}^{(i)})+(1-y^{(i)})log(1-\hat{y}^{(i)})) L(i)(y^(i),y(i))=(y(i)log(y^(i))+(1y(i))log(1y^(i)))

答案:

D.【 √ 】 L ( i ) ( y ^ ( i ) , y ( i ) ) = − ( y ( i ) l o g ( y ^ ( i ) ) + ( 1 − y ( i ) ) l o g ( 1 − y ^ ( i ) ) ) L^{(i)}(\hat{y}^{(i)},y^{(i)})=-(y^{(i)}log(\hat{y}^{(i)})+(1-y^{(i)})log(1-\hat{y}^{(i)})) L(i)(y^(i),y(i))=(y(i)log(y^(i))+(1y(i))log(1y^(i)))

第三题

3.假设img是一个(32, 32, 3)数组,表示一个32x32图像,它有三个颜色通道:红色、绿色和蓝色。如何将其重塑为列向量?

A. 【  】x = img.reshape((1, 32 * 32, 3))

B. 【  】x = img.reshape((32 * 32 * 3, 1))

C. 【  】x = img.reshape((3, 32 * 32))

D. 【  】x = img.reshape((32 * 32, 3))

答案:

B.【 √ 】x = img.reshape((32 * 32 * 3, 1))

第四题

4.考虑以下两个随机数组a和b:

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

c的维度是什么?

A. 【  】c.shape = (3, 2)

B. 【  】c.shape = (2, 1)

C. 【  】c.shape = (2, 3)

D. 【  】计算不成立因为这两个矩阵维度不匹配

答案:

C.【 √ 】c.shape = (2, 3)

第五题

5.考虑以下两个随机数组a和b:

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

c的维度是什么?

A. 【  】c.shape = (4, 3)

B. 【  】c.shape = (3, 3)

C. 【  】c.shape = (4, 2)

D. 【  】计算不成立因为这两个矩阵维度不匹配

答案:

D.【 √ 】计算不成立因为这两个矩阵维度不匹配

Note:运算符 “*” 说明了按元素乘法来相乘,但是元素乘法需要两个矩阵之间的维数相同,所以这将报错,无法计算。

第六题

6.假设每个示例有 n x n_x nx个输入特性, X = [ X ( 1 ) , X ( 2 ) … , X ( m ) ] X=[X^{(1)},X^{(2)}…,X^{(m)}] X=[X(1)X(2),X(m)] X X X的维数是多少?

A. 【  】(m, 1)

B. 【  】(1, m)

C. 【  】( n x n_x nx, m)

D. 【  】(m, n x n_x nx)

答案:

C.【 √ 】( n x n_x nx, m)

第七题

7.np.dot(a,b)对a和b的进行矩阵乘法,而a * b执行元素的乘法,考虑以下两个随机数组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的维度是什么?

A. 【  】c.shape = (12288, 150)

B. 【  】c.shape = (150, 150)

C. 【  】c.shape = (12288, 45)

D. 【  】计算不成立因为这两个矩阵维度不匹配

答案:

C.【 √ 】c.shape = (12288, 45)

第八题

8.请考虑以下代码段:

#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]

如何将之矢量化?

A. 【  】c = a + d

B. 【  】c = a +b.T

C. 【  】c = a.T + b.T

D. 【  】c = a.T + b

答案:

B.【 √ 】c = a +b.T

Note:a的每一行元素,逐行相加b的每一行元素

第九题

9.请考虑以下代码段:

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

c的维度是什么?

A. 【  】这会触发广播机制,b会被复制3次变成(3, 3),而 * 操作是元素乘法,所以c.shape = (3, 3)

B. 【  】这会触发广播机制,b会被复制3次变成(3, 3),而 * 操作是矩阵乘法,所以c.shape = (3, 3)

C. 【  】这个操作将一个3x3矩阵乘以一个3x1的向量,所以c.shape = (3, 1)

D. 【  】这个操作会报错,因为你不能用 * 对这两个矩阵进行操作,你应该用np.dot(a, b)

答案:

A.【 √ 】这会触发广播机制,b会被复制3次变成(3,3),而 * 操作是元素乘法,所以c.shape = (3, 3)

第十题

10.请考虑以下计算图:
在这里插入图片描述

输出J是?

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)

答案:

B.【 √ 】J = (a - 1) * (b + c)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/94372.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【MySQL】MySql常见面试题总结

目录 一、什么是sql注入 二、sql语句的执行流程 三、内连接和外连接的区别 四、Union和Union All 有什么区别 五、MySql如何取差集 六、DELETE和TRUNCATE有什么区别 七、count(*)和count(1)的区别 八、MyISAM和InnoDB的区…

【C语言进阶(11)】动态内存管理

文章目录 Ⅰ 存在动态内存分配的原因Ⅱ 动态内存函数1. malloc2. calloc3. realloc4. free (重要) Ⅲ 常见动态内存错误1. 对 NULL 指针的解引用操作2. 对动态开辟空间的越界访问3. 对非动态开辟内存使用 free 释放4. 使用 free 释放一块动态开辟内存的一部分5. 对同一块动态内…

《深度不确定条件下的决策:从理论到实践》PDF

制定未来计划时需要预测变化,尤其是制定长期计划或针对罕见事件的计划时。当这些变化存在高度不确定性的时候,这种预期就变得越来越困难。 今天给大家介绍的这本《深度不确定条件下的决策:从理论到实践》正是解决以上问题的良方。完整书籍文…

深入理解JVM虚拟机第十一篇:详细介绍JVM中运行时数据区

文章目录 前言 一:运行时数据区详解 1:线程私有和线程公有区域 2:阿里的运行时数据区图

数据结构与算法-顺序表

数据结构与算法 🎈1.线性表🔎1.1基本操作🔎1.2线性表的存储结构 🎈2.线性表的顺序表示和实现🔎2.1线性表的顺序存储表示🔭2.1.1静态顺序表🔭2.1.2动态顺序表 🔎2.2顺序表基本操作的实…

设计有效的异常测试用例:关注这些方向,保障软件稳定性

在软件测试过程中,我们通常会关注基本功能测试、性能测试、压力测试等常规场景。然而,随着软件使用时间的增长,一些突发情况或者异常场景也可能会出现。为了保障软件的稳定性和质量,我们需要在测试中加入异常测试的环节。本文将围…

PL/SQL动态SQL

目录 1. 动态 sql 2. 带参数的动态 sql -- 不使用 USING 传参 1. 动态 sql -- 在 PL/SQL 程序开发中,可以使用 DML 语句,但是很多语句(如 DDL),不能直接在 PL/SQL中执行,这些语句可以使用动态 sql 来实现. 语法格式: EXECUTE IMMEDIATE --动态语句的字符串 [into 变量…

安卓:解决AndroidStudio导出Unity的Apk(APP)出现2个显示图标

用AndroidStudio打开该项目 实现只保留1个app图标 AndroidManifest.xml的改法如下&#xff1a; <?xml version"1.0" encoding"utf-8"?> <manifest xmlns:android"http://schemas.android.com/apk/res/android" package"com.fru…

【开发篇】十四、SpringBoot整合Quartz实现定时任务

文章目录 1、关于定时任务2、Java原生实现3、相关名词4、SpringBoot整合Quartz5、Quartz的通用配置6、关于QuartzJobBean7、关于调度器Scheduler的绑定8、Quartz持久化 1、关于定时任务 定时任务在实际开发中使用场景很多&#xff0c;比如&#xff1a; 年度报告各种统计报告某…

使用 gst-plugins-bad 里面的 gst-element-maker 工具创建gstreamer 插件

系列文章目录 创建 gstreamer 插件的几种方式 使用 gst-template 创建自己的 gstreamer 插件 使用 gst-plugins-bad 里面的 gst-element-maker 工具创建gstreamer 插件 使用 gst-element-maker 创建一个完全透传的 videofilter 插件 文章目录 系列文章目录前言一、获取gst-plu…

【小程序 - 加强】自定义组件、使用npm包、全局数据共享、分包_05

目录 一、自定义组件 1. 组件的创建与引用 1.1 创建组件 1.2 引用组件 1.2.1 局部引用组件 1.2.2 全局引用组件 1.2.3 全局引用 VS 局部引用 1.2.4 组件和页面的区别 2. 样式 2.1 组件样式隔离 2.2 组件样式隔离的注意点 2.3 修改组件的样式隔离选项 2.4 styleIso…

洛谷 P1148 拱猪计分

【题目链接】 洛谷 P1148 拱猪计分 题目补充说明&#xff1a; D10与D11都可能出现&#xff0c;D10作用与D11相同。如果D10与D11同时出现&#xff0c;只算有1张D牌。 当H1~H13都有&#xff0c;但D或S只有1个时&#xff1a;D牌作用&#xff1a;-100分&#xff0c;S牌作用&#x…

vue 基于vue-seamless-scroll无缝滚动的用法和遇到的问题解决

vue 基于vue-seamless-scroll无缝滚动的用法和遇到的问题解决 背景 最近再做一个大屏项目,需要用到表格滚动效果,之前自己写过js实现,最近发现一个组件vue-seamless-scroll可以实现滚动,感觉挺方便的,准备用一下,但是用完之后才发现这个组件有很多坑需要解决.我把用法和一些问…

C++(List)

本节目标&#xff1a; 1.list介绍及使用 2.list深度剖析及模拟实现 3.list和vector对比 1.list介绍及使用 1.1list介绍 1. list是可以在常数范围内在任意位置进行插入和删除的序列式容器&#xff0c;并且该容器可以前后双向迭代。 2. list的底层是双向链表结构&#xff0c;…

内网综合扫描工具-fscan的安装和使用

简介 一款内网综合扫描工具&#xff0c;方便一键自动化、全方位漏扫扫描。 支持主机存活探测、端口扫描、常见服务的爆破、ms17010、redis批量写公钥、计划任务反弹shell、读取win网卡信息、web指纹识别、web漏洞扫描、netbios探测、域控识别等功能。相当强大&#xff01;&…

java复习-多态性

多态性 在Java中对于多态性由两种实现的模式&#xff1a; 方法的多态性 方法的重载&#xff1a;同一个方法名称可以根据传入的参数类型和个数的不同&#xff0c;进行不同的处理。 方法的覆写&#xff1a;同一个方法可能根据使用子类的不同&#xff0c;由不同的实现。 对象的…

国庆10.04

服务器 代码 头文件 #ifndef WIDGET_H #define WIDGET_H#include <QWidget> #include<QTcpServer> //服务器头文件 #include<QTcpSocket> //客户端头文件 #include<QList> //链表容器 #include<QMessag…

OpenCV(Python)的二值化示例

# -*-coding:utf-8-*- # src&#xff1a; 输入图&#xff0c;只能输入单通道图像&#xff0c;通常来说为灰度图 # - dst&#xff1a; 输出图 # - thresh&#xff1a; 阈值 # - maxval&#xff1a; 当像素值超过了阈值&#xff08;或者小于阈值&#xff0c;根据type来决定&#…

ALSA project the C library reference (ALSA工程 C库参考说明)

作者: Jaroslav Kysela perexperex.cz Abramo Bagnara abramoalsa-project.org Takashi Iwai tiwaisuse.de Frank van de Pol fvdpolcoil.demon.nl前言: 高级linux音频架构(ALSA)来自内核API和库的API.这个篇文章描述了应用层库API和内核层API对应是怎么的interfaces.API用法: …

CAA开发,3DE服务mql、lic 、cnext等部分参考指令

文章目录 1.在登陆3DE平台&#xff0c;没有许可证需要移除2.查询lic命令3.在3DE平台&#xff0c;显示机器没有安装此应用需要重新分配lic4.其他无关指令参考&#xff08;按相关信息进入cnext&#xff09;5.CAA项目快捷方式属性目标参考6.CAA的参考VB启动脚本 1.在登陆3DE平台&a…