002_wz_wed_DL_課程一第二週測試題
課程一 神經網路和深度學習
第二週 神經網路基礎
第 1 題
神經元計算什麼？
A.神經元計算啟用函式後,再計算線性函式（z=Wx+b）
B.神經元計算一個線性函式（z=Wx+b），然後接一個啟用函式
C.神經元計算一個函式g，它線性地縮放輸入x（Wx+b）
D.神經元先計算所有特徵的平均值，然後將啟用函式應用於輸出
第 2 題
以下哪一個是邏輯迴歸的損失函式？
A.
L
(
i
)
(
y
^
(
i
)
)
=
∣
y
(
i
)
−
y
^
(
i
)
∣
L^{(i)}(\hat{y}^{(i)})=|y^{(i)}-\hat{y}^{(i)}|
B.
L
(
i
)
(
y
^
(
i
)
)
=
m
a
x
(
0
,
y
(
i
)
−
y
^
(
i
)
)
L^{(i)}(\hat{y}^{(i)})=max(0,y^{(i)}-\hat{y}^{(i)})
L(i)(y^(i))=max(0,y(i)−y^(i))
C.
L
(
i
)
(
y
^
(
i
)
)
=
∣
y
(
i
)
−
y
^
(
i
)
∣
2
L^{(i)}(\hat{y}^{(i)})=|y^{(i)}-\hat{y}^{(i)}|^2
L(i)(y^(i))=∣y(i)−y^(i)∣2
D.
L
(
i
)
(
y
^
(
i
)
)
=
−
(
y
(
i
)
l
o
g
(
y
^
(
i
)
)
+
(
1
−
y
(
i
)
)
l
o
g
(
1
−
y
^
(
i
)
)
)
L^{(i)}(\hat{y}^{(i)})=-(y^{(i)}log(\hat{y}^{(i)})+(1-y^{(i)})log(1-\hat{y}^{(i)}))
第 3 題
假設img是一個（32, 32, 3）陣列，表示一個32x32影象，它有三個顏色通道：紅色、綠色和藍色。如何將其重塑為列向量？
A.x = img.reshape((1, 32*32, 3))
B.x = img.reshape((32323, 1))
C.x = img.reshape((3, 32*32))
D.x = img.reshape((32*32, 3))
第 4 題
考慮以下兩個隨機陣列a和b：
a = np.random.randn(2, 3) # a.shape = (2, 3) c的維度是什麼？
A.c.shape = (3, 2)
B.c.shape = (2, 1)
C.c.shape = (2, 3)
D.計算不成立因為這兩個矩陣維度不匹配
第 5 題
考慮以下兩個隨機陣列a和b：
a = np.random.randn(4, 3) # a.shape = (4, 3)
b = np.random.randn(3, 2) # a.shape = (3, 2)
c = a * b
c的維度是什麼？
A.c.shape = (4, 3)
B.c.shape = (3, 3)
C.c.shape = (4, 2)
D.計算不成立因為這兩個矩陣維度不匹配
第 6 題
假設每個示例有個輸入特性， X = [ X ( 1 ) , X ( 2 ) , . . . , X ( m ) ] X=[X^{(1)},X^{(2)},...,X^{(m)}] X=[X(1),X(2),...,X(m)]的維數是多少？
A.(m, 1)
B.(1, m)
C.( n x n_x nx, m)
D.(m, n x n_x nx)
第 7 題
np.dot(a，b)對a和b的進行矩陣乘法，而a*b執行元素的乘法，考慮以下兩個隨機陣列a和b：
a = np.random.randn(12288, 150) # a.shape = (12288, 150)
b = np.random.randn(150, 45) # b.shape = (150, 45)
c = np.dot(a, b)
c的維度是什麼？
A.c.shape = (12288, 150)
B.c.shape = (150, 150)
C.c.shape = (12288, 45)
D.計算不成立因為這兩個矩陣維度不匹配
第 8 題
請考慮以下程式碼段：
# a.shape = (3,4)
# b.shape = (4,1)
for i in range(3):
for j in range(4):
c[i][j] = a[i][j] + b[j]
如何將之向量化？
A.c = a + d
B.c = a +b.T
C.c = a.T + b.T
D.c = a.T + b
第 9 題
請考慮以下程式碼段：
a = np.random.randn(3, 3)
b = np.random.randn(3, 1)
c = a * b
c的維度是什麼？
A.這會觸發廣播機制，b會被複制3次變成(33)，而操作是元素乘法，所以c.shape = (3, 3)
B.這會觸發廣播機制，b會被複制3次變成(33)，而操作是矩陣乘法，所以c.shape = (3, 3)
C.這個操作將一個3x3矩陣乘以一個3x1的向量，所以c.shape = (3, 1)
D.這個操作會報錯，因為你不能用*對這兩個矩陣進行操作，你應該用np.dot(a, b)
第 10 題
請考慮以下計算圖：
輸出J是？
A.J = (c - 1) * (b + a)
B.J = (a - 1) * (b + c)
C.J = ab + bc + a*c
D.J = (b - 1) * (c + a)
1-10題 答案
1.B 2.D 3.B 4.C 5.D 6.C 7.C 8.B 9.A 10.B