coldstarry的专栏

9.在CTC模型下，不使用"空白"字符（_）分割的相同字符串将会被折叠。1.想一想使用如下的编码-解码模型来进行机器翻译，这个模型是“条件语言模型”，编码器部分(绿色显示)的意义是建模中输入句子x的概率。5.接着使用第4题的样本，假设你花了几周的时间来研究你的算法，现在你发现，对于绝大多数让算法出错的例子而言，3.在机器翻译中，如果我们在不使用句子归一化的情况下使用集束搜索，那么算法会输出过短的译文。的基于RNN模型的语音识别系统，你的程序使用了集束搜索来试着找寻最大的。

3.假设你下载了一个已经在一个很大的文本语料库上训练过的词嵌入的数据，然后你要用这个词嵌入来训练RNN并用于识别一段文字中的情感，判断这段文字的内容是否表达了“快乐”。9.假设你有10000个单词词汇，并且正在学习500维的词嵌入，GloVe模型最小化了这个目标，以下说法中哪一个（些）是正确的？1.假设你为10000个单词学习词嵌入，为了捕获全部范围的单词的变化以及意义，那么词嵌入向量应该是10000维的。的任务，如果这个预测做的不是很好那也是没有关系的，因为这个任务更重要的是学习了一组有用的嵌入词。

9.下面有一些GRU和LSTM的方程，从这些我们可以看到，在LSTM中的更新门和遗忘门在GRU中扮演类似 ___ 与 ___ 的角色，空白处应该填什么？7.假设你正在训练一个LSTM网络，你有一个10,000词的词汇表，并且使用一个激活值维度为100的LSTM块，在每一个时间步中，6.你正在训练一个RNN网络，你发现你的权重与激活值都是“NaN”，下列选项中，哪一个是导致这个问题的最有可能的原因？你已经收集了过去365天的天气数据。A. 【  】(1)使用RNN输出的概率，选择该时间步的最高概率单词作为。

10.你现在用拥有的是3D的数据，现在构建一个网络层，其输入的卷积是32×32×32×1632×32×32×16（此卷积有16个通道），对其使用3232个3×3×33×3×3的过滤器（无填充，步长为1）进行卷积操作，请问输出的卷积是多少？6.你在一个拥有100种不同的分类的数据集上训练一个卷积神经网络，你想要知道是否能够找到一个对猫的图片很敏感的隐藏节点（即在能够强烈激活该节点的图像大多数都是猫的图片的节点），你更有可能在第4层找到该节点而不是在第1层更有可能找到。B.【 √ 】为了解决一次学习的问题。

饮料罐头是圆的，而包装盒是方的，每一罐饮料的大小是一样的，每个图像中最多只有一罐饮料，现在你有下面的方案可供选择，这里有一些训练集图像，你的神经网络最合适的输出单位是什么？5.当你训练一个视频中描述的对象检测系统时，里需要一个包含了检测对象的许多图片的训练集，然而边界框不需要在训练集中提供，因为算法可以自己学习检测对象，这个说法对吗？9.假如你在下图中的预测框中使用非最大值抑制，其参数是放弃概率≤ 0.4的框，并决定两个框IoU的阈值为0.5，使用非最大值抑制后会保留多少个预测框？B.【 √ 】逻辑单元，

4.训练更深层的网络（例如，在网络中添加额外的层）可以使网络适应更复杂的功能，因此几乎总是会导致更低的训练错误。对于这个问题，假设是指“普通”网络。3.为了构建一个非常深的网络，我们经常在卷积层使用“valid”的填充，只使用池化层来缩小激活值的宽/高度，否则的话就会使得输入迅速的变小。B. 【  】Inception 块通常使用1x1的卷积来减少输入卷积的大小，然后再使用3x3和5x5的卷积。B.【 √ 】Inception 块通常使用1x1的卷积来减少输入卷积的大小，然后再使用3x3和5x5的卷积。

2.假设你的输入是一个300×300的彩色（RGB）图像，而你没有使用卷积神经网络。3.假设你的输入是300×300彩色（RGB）图像，并且你使用卷积层和100个过滤器，每个过滤器都是5×5的大小，请问这个隐藏层有多少个参数（包括偏置参数）？6.你有一个63x63x16的输入，有32个过滤器进行卷积，每个过滤器的大小为7x7，步幅为1，你想要使用“same”的卷积方式，请问pad的值是多少？4.你有一个63x63x16的输入，并使用大小为7x7的32个过滤器进行卷积，使用步幅为2和无填充，请问输出是多少？

吴恩达深度学习课后作业

吴恩达深度学习课后测验

吴恩达深度学习测验

吴恩达深度学习测验

吴恩达深度学习测验

吴恩达深度学习测验

吴恩达深度学习测验

吴恩达深度学习测验

吴恩达深度学习练习

【目录】【中文】【deplearning.ai】【吴恩达课后作业目录】_吴恩达深度学习