sheng的学习笔记-【中文】【吴恩达课后测验】Course 2 - 改善深层神经网络 - 第三周测验

课程2_第3周_测验题

目录：目录

第一题

1.如果在大量的超参数中搜索最佳的参数值，那么应该尝试在网格中搜索而不是使用随机值，以便更系统的搜索，而不是依靠运气，请问这句话是正确的吗？

A. 【  】对

B. 【  】不对

答案：

B.【 √ 】不对

第二题

2.每个超参数如果设置得不好，都会对训练产生巨大的负面影响，因此所有的超参数都要调整好，请问这是正确的吗？

A. 【  】对

B. 【  】不对

答案：

B.【 √ 】不对

第三题

3.在超参数搜索过程中，你尝试只照顾一个模型（使用熊猫策略）还是一起训练大量的模型（鱼子酱策略）在很大程度上取决于：

A. 【  】是否使用批量（batch）或小批量优化（mini-batch optimization）

B. 【  】神经网络中局部最小值（鞍点）的存在性

C. 【  】在你能力范围内，你能够拥有多大的计算能力（注：就是高性能电脑和低性能电脑的区别）

D. 【  】需要调整的超参数的数量

答案：

C.【 √ 】在你能力范围内，你能够拥有多大的计算能力（注：就是高性能电脑和低性能电脑的区别）

第四题

4.如果您认为$\beta$（动量超参数）介于0.9和0.99之间，那么推荐采用以下哪一种方法来对$\beta$值进行取样？

A. 【  】

r = np.random.rand()
beta = r * 0.09 + 0.9

B. 【  】

r = np.random.rand()
beta = 1 - 10 ** ( - r - 1 )

C. 【  】

r = np.random.rand()
beta = 1 - 10 ** ( - r + 1 )

D. 【  】

r = np.random.rand()
beta = r * 0.9 + 0.09

答案：

B.【 √ 】

r = np.random.rand()
beta = 1 - 10 ** ( - r - 1 )

第五题

5.找到好的超参数的值是非常耗时的，所以通常情况下你应该在项目开始时做一次，并尝试找到非常好的超参数，这样你就不必再次重新调整它们。请问这正确吗？

A. 【  】对

B. 【  】不对

答案：

B.【 √ 】不对

第六题

6.在视频中介绍的批量标准化中，如果将其应用于神经网络的第l层，您应该对谁进行标准化？

A. 【  】$z^{[l]}$

B. 【  】$W^{[l]}$

C. 【  】$b^{[l]}$

D. 【  】 b [ l ] b^{[l]}