2020-5-30 吴恩达-NN&DL-w1 概论(课后作业)

参考https://zhuanlan.zhihu.com/p/31256876

1、和“AI是新电力”相类似的说法是什么？

• 就像100年前产生电能一样，AI正在改变很多的行业。（正确）
• AI为我们家庭和办公室的个人设备供电，类似于电力
• 通过“智能电网”，AI提供新一波电能
• AI在计算机上运行，​​并由电力驱动，但是它正在让过去计算机不能做的事情变为可能。

2、哪些是深度学习快速发展的原因？ (3个选项)

• 我们有了更好更快的计算能力。（正确）
• 深度学习已经取得了重大的进展，比如在在线广告、语音识别和图像识别方面有了很多的应用。（正确）
• NN是一个全新的领域。
• 我们现在可以获得更多的数据。（正确）
  

3、回想一下DL NN开发的迭代图。下面哪些陈述是正确的？

• 快速迭代能够让DL工程师快速地实现自己的想法。（正确）
• 更快的计算能力能够帮助团队加速迭代自己的想法。（正确）
• 在大数据集上训练上的时间要快于小数据集。
• 近来新的DL算法允许我们能够更快地训练好模型（即使不更换CPU / GPU硬件）。（正确）

4、经验丰富的DL工程师在遇到一个新问题的时候，他们通常可以利用先前的经验来在第一次尝试中训练一个表现很好的模型，而不需要通过不同的模型迭代多次从而选择一个较好的模型。这个说法是正确的吗？

• 错误

一个表现很好的深度学习模型，并不是仅靠经验就能立马找到的。虽然经验很重要，但要找到一个表现很好的模型，都需要尝试，修复，不断完善的一个过程。

5、下列图中的哪一个是ReLU**函数？

• Figure3 图三
  

6、用于识别猫的图像是“结构化”数据的一个例子，因为它在计算机中被表示为结构化矩阵。这种说法正确吗？

• 错误

猫图像识别的数据是典型的非结构化数据，常见的非结构化数据还有文本，图像，视频等。

7、包含不同城市人口、人均GDP、经济增长率的人口统计数据集是“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。这种说法正确吗？

• 错误

人口、人均GDP、经济增长率等数字都是结构化数据。

8、为什么RNN（循环神经网络）可以应用机器翻译将英语翻译成法语？

• 因为它可以被用做监督学习。（正确）
• 严格意义上它比卷积神经网络（CNN）效果更好。
• 它比较适合用于当输入/输出是一个序列的时候（例如：一个单词序列）（正确）
• RNNs代表递归过程：想法->编码->实验->想法->…

RNN 可以被看做是同一NN的多次赋值。每个NN模块会把消息传递给下一个，所以它是链式的。链式的特征揭示了 RNN 本质上是与序列和列表相关的，所以它在解决sequence上是毫无问题的。

9、上图中，横轴（x轴）和纵轴（y轴）代表什么?

• 答案：B。

横坐标是数据量，纵坐标是该算法的性能。

10、假设上一个问题图中描述的是准确的（并且希望您的轴标签正确），以下哪一项是正确的?

• 减小NN的大小通常不会影响算法的性能，这可能会有很大的帮助。
• 增加训练集的大小通常不会影响算法的性能，这可能会有很大的帮助。（正确）
• 减小训练集的大小通常不会影响算法的性能，这可能会有很大的帮助。
• 增加NN的大小通常不会影响算法的性能，这可能会有很大的帮助。（正确）

对于相同的数据量，只要足够多了，那么大型NN的表现更好。
对同一个NN，数据量越多，其表现越好。