吴恩达深度学习 —

1、神经元节点计算什么？(A)

A.神经元节点先计算线性函数（z = Wx + b），再计算激活函数。
B.神经元节点先计算激活函数，再计算线性函数(z = Wx + b)。
C.神经元节点计算函数g，函数g计算(Wx + b)。
D.在将输出应用于激活函数之前，神经元节点计算所有特征的平均值。

2、下面哪一个是Logistic损失？(B)

3、假设img是一个(32, 32, 3)数组，具有3个颜色通道：红色、绿色和蓝色的32x32像素的图像。如何将其重新转换为列向量？(D)

A. x = img.reshape((3, 32 * 32))
B. x = img.reshape((3, 32 * 32))
C. x = img.reshape((32 * 32, 3))
D. x = img.reshape((32 * 32 * 3, 1))

4、看一下下面的这两个随机数组“a”和“b”,请问数组c的维度是多少？(D)

  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 = (3, 2)
C.无法进行计算，因为大小不匹配。将会报错。
D.c.shape = (2, 3)

5、看一下下面的这两个随机数组“a”和“b”,请问数组c的维度是多少？(D)

A.c.shape = (4, 2)
B.c.shape = (4, 3)
C.c.shape = (3, 3)
D.无法进行计算，因为大小不匹配。将会报错。

6、假设你的每一个实例有n_x个输入特征，想一下在X=[x(1),x(2),...,x(m)]X=[x^{(1)},x^{(2)},...,x^{(m)}]X=[x(1),x(2),...,x(m)]中，X的维度是多少？(D)

A.(1, m)
B.(m, 1)
C.(m, n_x)
D.(n_x, m)

7、回想一下，np.dot(a，b) 在a和b上执行矩阵乘法，而 a * b 执行元素方式的乘法。看下面的这两个随机数组“a”和“b”：请问c的维度是多少？(D)

  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)

A.c.shape = (150,150)
B.c.shape = (12288, 150)
C.无法进行计算，因为大小不匹配。将会报错。
D.c.shape = (12288, 45)

8、看下面的代码片段：请问要怎么把它们向量化？

  #  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.T + b.T
B.c = a + b
C.c = a + b.T
D.c = a.T + b

9、看下面的代码：请问c的维度会是多少？(A)

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

A.这里将会使用广播机制，b会被复制三次，就会变成(3, 3)，“”代表对应元素乘法。因此c.shape将是（3，3）
B.这里将会使用广播机制，b会被复制三次，就会变成(3, 3)，“”代表两个3x3矩阵的矩阵乘法运算。因此c.shape将是（3，3）
C.这里将会使3x3矩阵A与3x1矢量相乘，从而产生3x1矢量。因此c.shape将是（3，1）。
D.这里将会报错，因为不能使用“*”对这两个矩阵进行操作。需要使用np.dot（a，b）。

10、看下面的计算图：请问输出是什么？(B)

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)

吴恩达深度学习 —— 作业2相关推荐

吴恩达深度学习作业（week2）-(1)
出发作业地址https://github.com/robbertliu/deeplearning.ai-andrewNG 视频,bilibili吴恩达深度学习. 推荐食用方式 def basic_s ...
吴恩达深度学习作业编程1【识别猫片】
1.jumpyter基本操作 shift+enter执行程序 2.向量化和非向量化的区别 import numpy as np a=np.array([1,2,3,4])#创建一个数组 print(a ...
吴恩达深度学习作业之deepleraning_L1W2_h1
#吴恩达<深度学习>L1W2作业1 知识点:numpy入门,函数向量化实现 ''' 做完这个作业,你能学会:用ipython notebook 用numpy,包括函数调用及向量矩阵运算理 ...
Python吴恩达深度学习作业16 -- 人脸识别
人脸识别 - the Happy House 在此次作业中,你将学习构建人脸识别系统. 人脸识别问题通常分为两类: 人脸验证:比如在某些机场,系统通过扫描你的护照,然后确认你(携带护照的人)是本人,从 ...
Python吴恩达深度学习作业13 -- Keras教程
Keras教程在此作业中,你将: 学习使用Keras,这是一种高级神经网络API(编程框架),采用Python编写,并且能够在包括TensorFlow和CNTK在内的几个较低级框架之上运行. 了解任 ...
Python吴恩达深度学习作业24 -- 语音识别关键字
关键字语音识别在本周的视频中,你学习了如何将深度学习应用于语音识别.在此作业中,你将构建语音数据集并实现用于关键词检测(有时也称为唤醒词或触发词检测)的算法.关键词识别是一项技术,可让诸如Amazo ...
Python吴恩达深度学习作业4 -- 构建深度神经网络
逐步构建你的深度神经网络在此之前你已经训练了一个2层的神经网络(只有一个隐藏层).本周,你将学会构建一个任意层数的深度神经网络! 在此作业中,你将实现构建深度神经网络所需的所有函数. 在下一个作业中 ...
Python吴恩达深度学习作业20 -- 用LSTM网络创作一首爵士小歌
用LSTM网络创作一首爵士小歌在本次作业中,你将使用LSTM实现乐曲生成模型.你可以在作业结束时试听自己创作的音乐. 你将学习: 将LSTM应用于音乐生成. 通过深度学习生成自己的爵士乐曲. fro ...
吴恩达深度学习作业L1W2:ValueError: cannot reshape array of size 12288 into shape (50,1)
照着代码敲下来,测试部分的代码都没问题,到了最后整合的实战代码就突然报错ValueError: cannot reshape array of size 12288 into shape (50,1) ...

吴恩达深度学习 —— 作业2

吴恩达深度学习 —— 作业2相关推荐

最新文章

热门文章