对应课程:点击查看
起止时间:2020-03-17到2020-06-15
更新状态:已完结
第一讲 神经网络计算
1、 该张量的维度是 [[ 1.3688478 1.0125661 ] [ 0.17475659 -0.02224463]]
A:(2,1)
B:(2,2)
C:(1,2)
D:(4,1)
答案: (2,2)
2、 人工智能主流的三个学派是什么?
A:行为主义
B:计算主义
C:连接主义
D:符号主义
答案: 行为主义 ;
连接主义;
符号主义
3、 以下语句实现了损失函数loss 分别对可训练参数w1和b1求偏导数,并将计算结果保存到grads列表中。with tf.GradientTape() as tape: 前向传播过程计算y 计算总lossgrads = tape.gradient(loss, [ w1, b1 ])
A:正确
B:错误
答案: 正确
分析:with tf.GradientTape() as tape: # 记录梯度信息
前向传播过程计算y
计算总loss
grads = tape.gradient(loss, [ w1, b1 ])
这段代码的功能是实现损失函数loss 分别对可训练参数w1和b1求偏导数,并将计算结果保存到grads列表中。
4、 设计神经网络的步骤包括:准备数据、搭建网络、优化参数、应用网络。
A:正确
B:错误
答案: 正确
5、 神经网络可以让计算机具备感性思维,能实现图像识别、趋势预测。
A:正确
B:错误
答案: 正确
第二讲 神经网络优化
1、 在某个三分类问题中,已知真实标签y_=(0, 0, 1),神经网络预测值分别为y1=(0.51, 0.32, 0.17),y2=(0.22, 0.73, 0.05),y3=(0.15, 0.17, 0.68),y4=(0.04, 0.03, 0.93),哪个预测值更接近真实标签?
A:y1
B:y2
C:y3
D:y4
答案: y4
2、 tf.nn.relu([[-2., 1.], [0., 3.]])的计算结果是哪个?
A:tf.Tensor([ -2. 1. 0. 3.], shape=(4,), dtype=float32)
B:tf.Tensor([ 0. 1. 0. 3.], shape=(4,), dtype=float32)
C:tf.Tensor([ [-2. 1.] [0. 3.] ], shape=(2,2), dtype=float32)
D:tf.Tensor([ [0. 1.] [0. 3.] ], shape=(2,2), dtype=float32)
答案: tf.Tensor([ [0. 1.] [0. 3.] ], shape=(2,2), dtype=float32)
3、 下列哪一项是均方误差损失函数的代码实现?
A:tf.reduce_mean(tf.square(y_true – y_pred))
B:tf.reduce_mean(tf.abs(y_true-y_pred))
C:-tf.reduce_sum(y_true * tf.math.log(y_pred))
D:-tf.reduce_sum(labels * tf.math.log(tf.nn.softmax(logits)), axis=1)
答案: tf.reduce_mean(tf.square(y_true – y_pred))
4、 解决过拟合问题的方法有:
A:增大训练集
B:采用正则化
C:增加网络参数
D:减小正则化参数
答案: 增大训练集;
采用正则化
5、 下列属于神经网络优化器的有?
A:SGD
B:AdaGrad
C:RMSProp
D:Adam
答案: SGD;
AdaGrad;
RMSProp;
Adam
第三讲 神经网络八股
1、 使用Sequential()函数搭建神经网络训练MNIST数据集的代码为:model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(), tf.keras.layers.Dense(128, activation=’relu’), tf.keras.layers.Dense(10, activation=’softmax’)])请问使用model.summary()打印网络结构和参数统计中,Total params的数目为?
A:100480
B:1280
C:101770
D:101632
答案: 101770
2、 以下数据为训练过程中某个epoch的最终输出,其中最能直观有效反映网络准确度的数据是?60000/60000 [==============================]- 4s 68us/sample- loss: 0.2916- sparse_categorical_accuracy: 0.8920- val_loss: 0.3387- val_sparse_categorical_accuracy: 0.8770
A:0.2916
B:0.8920
C:0.3387
D:0.8770
答案: 0.8770
为了方便下次阅读,建议在浏览器添加书签收藏本网页
添加书签方法:
1.电脑按键盘的Ctrl键+D键即可收藏本网页
2.手机浏览器可以添加书签收藏本网页
获取更多MOOC答案,欢迎在浏览器访问我们的网站:http://mooc.mengmianren.com
注:请切换至英文输入法输入域名,如果没有成功进入网站,请输入完整域名:http://mooc.mengmianren.com/
我们的公众号
打开手机微信,扫一扫下方二维码,关注微信公众号:萌面人APP
本公众号可查看各种网课答案,还可免费查看大学教材答案
点击这里,可查看公众号功能介绍
一键领取淘宝,天猫,京东,拼多多无门槛优惠券,让您购物省省省,点击这里,了解详情
干饭人福利,饿了么红包每日领