課程2_第3周_測驗題

目錄：目錄

第一題

1.如果在大量的超參數(shù)中搜索最佳的參數(shù)值，那么應(yīng)該嘗試在網(wǎng)格中搜索而不是使用隨機值，以便更系統(tǒng)的搜索，而不是依靠運氣，請問這句話是正確的嗎？

A. 【 ?】對

B. 【 ?】不對

答案：

B.【 √ 】不對

第二題

2.每個超參數(shù)如果設(shè)置得不好，都會對訓(xùn)練產(chǎn)生巨大的負面影響，因此所有的超參數(shù)都要調(diào)整好，請問這是正確的嗎？

A. 【 ?】對

B. 【 ?】不對

答案：

B.【 √ 】不對

第三題

3.在超參數(shù)搜索過程中，你嘗試只照顧一個模型（使用熊貓策略）還是一起訓(xùn)練大量的模型（魚子醬策略）在很大程度上取決于：

A. 【 ?】是否使用批量（batch）或小批量優(yōu)化（mini-batch optimization）

B. 【 ?】神經(jīng)網(wǎng)絡(luò)中局部最小值（鞍點）的存在性

C. 【 ?】在你能力范圍內(nèi)，你能夠擁有多大的計算能力（注：就是高性能電腦和低性能電腦的區(qū)別）

D. 【 ?】需要調(diào)整的超參數(shù)的數(shù)量

答案：

C.【 √ 】在你能力范圍內(nèi)，你能夠擁有多大的計算能力（注：就是高性能電腦和低性能電腦的區(qū)別）

第四題

4.如果您認為$\beta$（動量超參數(shù)）介于0.9和0.99之間，那么推薦采用以下哪一種方法來對$\beta$值進行取樣？

A. 【 ?】

r = np.random.rand()
beta = r * 0.09 + 0.9

B. 【 ?】

r = np.random.rand()
beta = 1 - 10 ** ( - r - 1 )

C. 【 ?】

r = np.random.rand()
beta = 1 - 10 ** ( - r + 1 )

D. 【 ?】

r = np.random.rand()
beta = r * 0.9 + 0.09

答案：

B.【 √ 】

r = np.random.rand()
beta = 1 - 10 ** ( - r - 1 )

第五題

5.找到好的超參數(shù)的值是非常耗時的，所以通常情況下你應(yīng)該在項目開始時做一次，并嘗試找到非常好的超參數(shù)，這樣你就不必再次重新調(diào)整它們。請問這正確嗎？

A. 【 ?】對

B. 【 ?】不對

答案：

B.【 √ 】不對

第六題

6.在視頻中介紹的批量標準化中，如果將其應(yīng)用于神經(jīng)網(wǎng)絡(luò)的第l層，您應(yīng)該對誰進行標準化？

A. 【 ?】$z^{[l]}$

B. 【 ?】$W^{[l]}$

C. 【 ?】$b^{[l]}$

D. 【 ?】$b^{[l]}$

答案：

A.【 √ 】$z^{[l]}$

第七題

7.在標準化公式$z_{norm}^{(i)}=\frac{z^{(i)}?\mu }{\sqrt{{\sigma }^2+?}}$，為什么要使用epsilon（?）？

A. 【 ?】為了更準確地標準化

B. 【 ?】為了避免除零操作

C. 【 ?】為了加速收斂

D. 【 ?】防止$\mu$太小

答案：

B.【 √ 】為了避免除零操作

第八題

8.批標準化中關(guān)于$\gamma$和$\beta$的以下哪些陳述是正確的？

A. 【 ?】對于每個層，有一個全局值$\gamma \in \mathbb{R}$和一個全局值$\beta \in \mathbb{R}$，適用于于該層中的所有隱藏單元。

B. 【 ?】$\gamma$和$\beta$是算法的超參數(shù)，我們通過隨機采樣進行調(diào)整

C. 【 ?】它們確定了給定層的線性變量$z^{[l]}$的均值和方差

D. 【 ?】最佳值是$\gamma =\sqrt{{\sigma }^2+?},\beta =\mu$

E. 【 ?】它們可以用Adam、動量的梯度下降或RMSprop，而不僅僅是用梯度下降來學習

答案：

C.【 √ 】它們確定了給定層的線性變量$z^{[l]}$的均值和方差

E.【 √ 】它們可以用Adam、動量的梯度下降或RMSprop，而不僅僅是用梯度下降來學習

第九題

9.在訓(xùn)練了具有批標準化的神經(jīng)網(wǎng)絡(luò)之后，在用新樣本評估神經(jīng)網(wǎng)絡(luò)的時候，您應(yīng)該：

A. 【 ?】如果你在256個例子的mini-batch上實現(xiàn)了批標準化，那么如果你要在一個測試例子上進行評估，你應(yīng)該將這個例子重復(fù)256次，這樣你就可以使用和訓(xùn)練時大小相同的mini-batch進行預(yù)測。

B. 【 ?】使用最新的mini-batch的$\mu$和${\sigma }^2$值來執(zhí)行所需的標準化

C. 【 ?】跳過用$\mu$和${\sigma }^2$值標準化的步驟，因為一個例子不需要標準化

D. 【 ?】執(zhí)行所需的標準化，使用在訓(xùn)練期間，通過指數(shù)加權(quán)平均值得出的$\mu$和${\sigma }^2$

答案：

D.【 √ 】執(zhí)行所需的標準化，使用在訓(xùn)練期間，通過指數(shù)加權(quán)平均值得出的$\mu$和${\sigma }^2$

第十題

10.關(guān)于深度學習編程框架的這些陳述中，哪一個是正確的？（選出所有正確項）

A. 【 ?】即使一個項目目前是開源的，項目的良好管理有助于確保它即使在長期內(nèi)仍然保持開放，而不是僅僅為了一個公司而關(guān)閉或修改。

B. 【 ?】通過編程框架，您可以使用比低級語言（如Python）更少的代碼來編寫深度學習算法。

C. 【 ?】深度學習編程框架的運行需要基于云的機器。

答案：

A.【 √ 】即使一個項目目前是開源的，項目的良好管理有助于確保它即使在長期內(nèi)仍然保持開放，而不是僅僅為了一個公司而關(guān)閉或修改。

B.【 √ 】通過編程框架，您可以使用比低級語言（如Python）更少的代碼來編寫深度學習算法。