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 - 第一周测验

本文主要是介绍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 - 第一周测验,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

课程1_第1周_测验题

目录:目录

第一题

1.“人工智能是新电力” 这个比喻指的是什么?

A. 【  】人工智能为我们的家庭和办公室的个人设备供电,类似于电力。

B. 【  】通过“智能电网”,人工智能正在传递新一波的电力。

C. 【  】人工智能在计算机上运行,因此由电力驱动,但它让计算机做以前不可能做的事情。

D. 【  】与100年前开始的电力类似,人工智能正在改变多个行业。

答案:

D.【 √ 】与100年前开始的电力类似,人工智能正在改变多个行业。

第二题

2.以下哪些是最近深度学习开始崛起的原因?(选2个答案)

A. 【  】我们拥有了更多的计算能力。

B. 【  】神经网络是一个崭新的领域。

C. 【  】我们有了更多的数据。

D. 【  】深度学习在诸如在线广告、语音识别和图像识别等重要应用方面取得了显著的改进。

答案:

A.【 √ 】我们拥有了更多的计算能力

C.【 √ 】我们有了更多的数据。

第三题

3.回想一下这个机器学习迭代的图。以下哪项陈述是正确的?(选出所有正确项)
在这里插入图片描述

A. 【  】能够快速地尝试各种想法可以让深入学习的工程师更快地迭代。

B. 【  】更快的计算有助于加快团队迭代一个好主意所需的时间。

C. 【  】在大数据集上训练比在小数据集上训练更快。

D. 【  】深度学习算法的最新进展使我们能够更快地训练好的模型(即使不改变CPU/GPU硬件)。

答案:

A.【 √ 】能够快速地尝试各种想法可以让深入学习的工程师更快地迭代。

B.【 √ 】更快的计算有助于加快团队迭代一个好主意所需的时间。

D.【 √ 】深度学习算法的最新进展使我们能够更快地训练好的模型(即使不改变CPU/GPU硬件)。

第四题

4.当一个有经验的深度学习工程师处理一个新问题时,他们通常可以在第一次尝试时利用以前问题的洞察力来训练一个好的模型,而不需要在不同的模型中重复多次。

A. 【  】对

B. 【  】不对

答案:

B.【 √ 】不对

第五题

5.这些图中的哪一个表示ReLU激活函数?

A. 【  】
在这里插入图片描述

B. 【  】
在这里插入图片描述

C. 【  】
在这里插入图片描述

D. 【  】
在这里插入图片描述

答案:

C.【 √ 】
在这里插入图片描述

第六题

6.用于猫识别的图像是“结构化”数据的一个例子,因为它在计算机中表示为结构化的数组。

A. 【  】对

B. 【  】不对

答案:

B.【 √ 】不对

第七题

7.人口数据集包含不同城市人口、人均GDP、经济增长的统计数据,这是“非结构化”数据的一个例子,因为它包含来自不同来源的数据。

A. 【  】对

B. 【  】不对

答案:

B.【 √ 】不对

第八题

8.为什么RNN(递归神经网络)被用于机器翻译,比如说将英语翻译成法语?(选出所有正确项)

A. 【  】它可以训练成一个有监督的学习问题。

B. 【  】它比卷积神经网络(CNN)更强大。

C. 【  】当输入/输出是一个序列(例如,一个单词序列)时适用。

D. 【  】RNN表示 想法->代码->实验->想法->… 的循环过程。

答案:

A.【 √ 】它可以训练成一个有监督的学习问题

C.【 √ 】当输入/输出是一个序列(例如,一个单词序列)时适用

第九题

9.在这PPT截图中,水平轴(X轴)和垂直轴(Y轴)代表什么?
在这里插入图片描述

A. 【  】X轴代表数据量,Y轴代表模型规模

B. 【  】X轴代表数据量,Y轴代表模型表现

C. 【  】X轴代表模型表现,Y轴代表数据量

D. 【  】X轴代表模型的输入,Y轴代表输出

答案:

B.【 √ 】X轴代表数据量,Y轴代表模型表现

第十题

10.假设前一个问题中所描述的趋势是准确的(并且希望你的坐标轴标签正确),下列哪一个是正确的?(选出所有正确项)

A. 【  】增加训练集的大小通常不会影响算法的性能,而且可能会有很大帮助。

B. 【  】增加神经网络的规模通常不会影响算法的性能,而且可能会有很大帮助。

C. 【  】减小训练集的大小通常不会影响算法的性能,而且可能会有很大帮助。

D. 【  】减小神经网络的规模通常不会影响算法的性能,而且可能会有很大帮助。

答案:

A.【 √ 】增加训练集的大小通常不会影响算法的性能,而且可能会有很大帮助。

B.【 √ 】增加神经网络的规模通常不会影响算法的性能,而且可能会有很大帮助。

这篇关于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 - 第一周测验的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/157373

相关文章

深度解析Spring Security 中的 SecurityFilterChain核心功能

《深度解析SpringSecurity中的SecurityFilterChain核心功能》SecurityFilterChain通过组件化配置、类型安全路径匹配、多链协同三大特性,重构了Spri... 目录Spring Security 中的SecurityFilterChain深度解析一、Security

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

SQL Server安装时候没有中文选项的解决方法

《SQLServer安装时候没有中文选项的解决方法》用户安装SQLServer时界面全英文,无中文选项,通过修改安装设置中的国家或地区为中文中国,重启安装程序后界面恢复中文,解决了问题,对SQLSe... 你是不是在安装SQL Server时候发现安装界面和别人不同,并且无论如何都没有中文选项?这个问题也

Python实现中文文本处理与分析程序的示例详解

《Python实现中文文本处理与分析程序的示例详解》在当今信息爆炸的时代,文本数据的处理与分析成为了数据科学领域的重要课题,本文将使用Python开发一款基于Python的中文文本处理与分析程序,希望... 目录一、程序概述二、主要功能解析2.1 文件操作2.2 基础分析2.3 高级分析2.4 可视化2.5

深度解析Java DTO(最新推荐)

《深度解析JavaDTO(最新推荐)》DTO(DataTransferObject)是一种用于在不同层(如Controller层、Service层)之间传输数据的对象设计模式,其核心目的是封装数据,... 目录一、什么是DTO?DTO的核心特点:二、为什么需要DTO?(对比Entity)三、实际应用场景解析

深度解析Java项目中包和包之间的联系

《深度解析Java项目中包和包之间的联系》文章浏览阅读850次,点赞13次,收藏8次。本文详细介绍了Java分层架构中的几个关键包:DTO、Controller、Service和Mapper。_jav... 目录前言一、各大包1.DTO1.1、DTO的核心用途1.2. DTO与实体类(Entity)的区别1

Redis出现中文乱码的问题及解决

《Redis出现中文乱码的问题及解决》:本文主要介绍Redis出现中文乱码的问题及解决,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1. 问题的产生2China编程. 问题的解决redihttp://www.chinasem.cns数据进制问题的解决中文乱码问题解决总结

深度解析Python装饰器常见用法与进阶技巧

《深度解析Python装饰器常见用法与进阶技巧》Python装饰器(Decorator)是提升代码可读性与复用性的强大工具,本文将深入解析Python装饰器的原理,常见用法,进阶技巧与最佳实践,希望可... 目录装饰器的基本原理函数装饰器的常见用法带参数的装饰器类装饰器与方法装饰器装饰器的嵌套与组合进阶技巧

深度解析Spring Boot拦截器Interceptor与过滤器Filter的区别与实战指南

《深度解析SpringBoot拦截器Interceptor与过滤器Filter的区别与实战指南》本文深度解析SpringBoot中拦截器与过滤器的区别,涵盖执行顺序、依赖关系、异常处理等核心差异,并... 目录Spring Boot拦截器(Interceptor)与过滤器(Filter)深度解析:区别、实现

深度解析Spring AOP @Aspect 原理、实战与最佳实践教程

《深度解析SpringAOP@Aspect原理、实战与最佳实践教程》文章系统讲解了SpringAOP核心概念、实现方式及原理,涵盖横切关注点分离、代理机制(JDK/CGLIB)、切入点类型、性能... 目录1. @ASPect 核心概念1.1 AOP 编程范式1.2 @Aspect 关键特性2. 完整代码实