微网站设置,个人域名备案快的网站,住房建设部官方网站设计费计取,oem中国代加工网课程1_第2周_测验题
目录#xff1a;目录
第一题
1.神经元计算什么#xff1f;
A. 【 】神经元计算激活函数后#xff0c;再计算线性函数#xff08;zWxb#xff09;
B. 【 】神经元计算一个线性函数#xff08;zWxb#xff09;#xff0c;然后接一个激活函数…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zWxb
B. 【 】神经元计算一个线性函数zWxb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xWxb
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zWxb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))(1−y(i))log(1−y^(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))(1−y(i))log(1−y^(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(ab)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
Notea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
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)
