课程2_第2周_测验题¶

第一题¶

1.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. 【  】$a^{[3]\{7\}(8)}$

答案：

A.【 √ 】$a^{[3]\{8\}(7)}$

第二题¶

2.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）

答案：

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

第三题¶

3.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

答案：

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

第四题¶

4.如果你的模型的成本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。

答案：

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。

第五题¶

5.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:$\theta_1 = 10$
• 一月第二天:$\theta_2 = 10$

假设您使用$\beta = 0.5$的指数加权平均来跟踪温度：$v_0=0,v_t=\beta v_{t-1}+(1-\beta)\theta_t$。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. 【  】$v_2=7.5,v_2^{corrected}=10$

答案：

D.【 √ 】$v_2=7.5,v_2^{corrected}=10$

第六题¶

6.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. 【  】$\alpha=0.95^t\alpha_0$

D. 【  】$\alpha=e^t\alpha_0$

答案：

D.【 √ 】$\alpha=e^t\alpha_0$

第七题¶

7.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：$v_t=\beta v_{t-1}+(1-\beta)\theta_t$。下图中红线使用的是$\beta=0.9$来计算的。当你改变$\beta$时，你的红色曲线会怎样变化？（选出所有正确项）

A. 【  】减小$\beta$，红色线会略微右移

B. 【  】增加$\beta$，红色线会略微右移

C. 【  】减小$\beta$，红线会更加震荡

D. 【  】增加$\beta$，红线会更加震荡

答案：

B.【 √ 】增加$\beta$，红色线会略微右移

C.【 √ 】减小$\beta$，红线会更加震荡

第八题¶

8.下图中的曲线是由：梯度下降，动量梯度下降（$\beta=0.5$）和动量梯度下降（$\beta=0.9$）。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（$\beta=0.9$）；(3)是动量梯度下降（$\beta=0.5$）

B. 【  】(1)是梯度下降；(2)是动量梯度下降（$\beta=0.5$）；(3)是动量梯度下降（$\beta=0.9$）

C. 【  】(1)是动量梯度下降（$\beta=0.5$）；(2)是动量梯度下降（$\beta=0.9$）；(3)是梯度下降

D. 【  】(1)是动量梯度下降（$\beta=0.5$）；(2)是梯度下降；(3)是动量梯度下降（$\beta=0.9 $）

答案：

B.【 √ 】(1)是梯度下降；(2)是动量梯度下降（$\beta=0.5$）；(3)是动量梯度下降（$\beta=0.9$）

第九题¶

9.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

答案：

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

第十题¶

10.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$\beta_1=0,9,\beta_2=0.999,\epsilon=10^{-8}$

D. 【  】Adam应该用于批梯度计算，而不是用于mini-batch

答案：

D.【 √ 】Adam应该用于批梯度计算，而不是用于mini-batch