吴恩达 — 神经网络与深度学习 — L2W2练习
Posted yukinote
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了吴恩达 — 神经网络与深度学习 — L2W2练习相关的知识,希望对你有一定的参考价值。
第二周 - 优化算法
第 51 题
当输入从第8个mini-batch的第7个的例子的时候,你会用哪种符号表示第3层的激活?
A.(a^{[3]{8}(7)})
B.(a^{[8]{7}(3)})
C.(a^{[8]{3}(7)})
D.(a^{[3]{7}(8)})
第 52 题
关于mini-batch的说法哪个是正确的?
A.mini-batch迭代一次(计算1个mini-batch),要比批量梯度下降迭代一次快
B.用mini-batch训练完整个数据集一次,要比批量梯度下降训练完整个数据集一次快
C.在不同的mini-batch下,不需要显式地进行循环,就可以实现mini-batch梯度下降,从而使算法同时处理所有的数据(矢量化)
第 53 题
为什么最好的mini-batch的大小通常不是1也不是m,而是介于两者之间?
A.如果mini-batch的大小是1,那么在你取得进展前,你需要遍历整个训练集
B.如果mini-batch的大小是m,就会变成批量梯度下降。在你取得进展前,你需要遍历整个训练集
C.如果mini-batch的大小是1,那么你将失去mini-batch将数据矢量化带来的的好处
D.如果mini-batch的大小是m,就会变成随机梯度下降,而这样做经常会比mini-batch慢
第 54 题
如果你的模型的成本(J)随着迭代次数的增加,绘制出来的图如下,那么:
A.如果你正在使用mini-batch梯度下降,那可能有问题;而如果你在使用批量梯度下降,那是合理的
B.如果你正在使用mini-batch梯度下降,那看上去是合理的;而如果你在使用批量梯度下降,那可能有问题
C.无论你在使用mini-batch还是批量梯度下降,看上去都是合理的
D.无论你在使用mini-batch还是批量梯度下降,都可能有问题
第 55 题
假设一月的前三天卡萨布兰卡的气温是一样的:
一月第一天: ( heta_1 = 10)
一月第二天: ( heta_2 = 10)
假设您使用(eta = 0.5)的指数加权平均来跟踪温度:(v_0=0,v_t=eta v_{t-1}+(1-eta) heta_t)。如果(v_2)是在没有偏差修正的情况下计算第2天后的值,并且(v_2^{corrected})是您使用偏差修正计算的值。 这些下面的值是正确的是?
A.(v_2=10,v_2^{corrected}=10)
B.(v_2=10,v_2^{corrected}=7.5)
C.(v_2=7.5,v_2^{corrected}=7.5)
D.(v_2=7.5,v_2^{corrected}=10)
第 56 题
下面哪一个不是比较好的学习率衰减方法?
A.(alpha = frac{1}{1+2*t}alpha_0)
B.(alpha=frac{1}{sqrt{t}}alpha_0)
C.(alpha=0.95^talpha_0)
D.(alpha=e^talpha_0)
第 57 题
您在伦敦温度数据集上使用指数加权平均, 使用以下公式来追踪温度:(v_t=eta v_{t-1}+(1-eta) heta_t)。下图中红线使用的是(eta=0.9)来计算的。当你改变(eta)时,你的红色曲线会怎样变化?(选出所有正确项)
A.减小(eta),红色线会略微右移
B.增加(eta),红色线会略微右移
C.减小(eta),红线会更加震荡
D.增加(eta),红线会更加震荡
第 58 题
下图中的曲线是由:梯度下降,动量梯度下降((eta=0.5))和动量梯度下降((eta=0.9))。哪条曲线对应哪种算法?
A.(1)是梯度下降;(2)是动量梯度下降((eta=0.9));(3)是动量梯度下降((eta=0.5))
B.(1)是梯度下降;(2)是动量梯度下降((eta=0.5));(3)是动量梯度下降((eta=0.9))
C.(1)是动量梯度下降((eta=0.5));(2)是动量梯度下降((eta=0.9));(3)是梯度下降
D.(1)是动量梯度下降((eta=0.5));(2)是梯度下降;(3)是动量梯度下降((eta=0.9))
第 59 题
假设在一个深度学习网络中,批量梯度下降花费了大量时间时来找到一组参数值,使成本函数(J(W^{[1]},b^{[1]},…,W^{[L]},b^{[L]}))小。以下哪些方法可以帮助找到(J)值较小的参数值?
A.令所有权重值初始化为0
B.尝试调整学习率
C.尝试mini-batch梯度下降
D.尝试对权重进行更好的随机初始化
E.尝试使用 Adam 算法
第 60 题
关于Adam算法,下列哪一个陈述是错误的?
A.Adam结合了Rmsprop和动量的优点
B.Adam中的学习率超参数(alpha)通常需要调整
C.我们经常使用超参数的“默认”值(eta_1=0,9,eta_2=0.999,epsilon=10^{-8})
D.Adam应该用于批梯度计算,而不是用于mini-batch
51-60题 答案
51.A 52.A 53.BC 54.B 55.D 56.D 57.BC 58.B 59.BCDE 60.D
以上是关于吴恩达 — 神经网络与深度学习 — L2W2练习的主要内容,如果未能解决你的问题,请参考以下文章
吴恩达深度学习课程第一课 — 神经网络与深度学习 — 第三周练习