总结
习题
第 141 题
假设你的训练样本是句子(单词序列)，下面哪个选项指的是第i个训练样本中的第j个词?
A.x ( i ) < j > x^{(i)x (i )
B.x < i > ( j ) x^{(j)}_x (j )
C.x ( j ) < i > x^{(j)}_x (j )
D.x < j > ( i ) x^{x
第 142 题
看看下面的循环神经网络：
[En]
Take a look at the following cyclic neural network:
在以下情况下，满足上图所示网络结构的参数为：
[En]
In the following conditions, the parameters that satisfy the network structure in the figure above are:
A.T x = T y T_x=T_y T x =T y
B.T x < T y T_x
C.T x > T y T_x>T_y T x >T y
D.T x = 1 T_x=1 T x =1
; 第 143 题
这些任务中的哪一个会使用多对一的RNN体系结构？
A.语音识别（输入语音，输出文本）
B.情感分类（输入一段文字，输出0或1表示正面或者负面的情绪）
C.图像分类（输入一张图片，输出对应的标签）
D.人声性别识别（输入语音，输出说话人的性别）
第 144 题
假设你现在正在训练下面这个RNN的语言模型：
在 t t t时，这个RNN在做什么？
A.计算P ( y < 1 > , y < 2 > , … , y < t − 1 > ) P(y^{P (y <1 >,y <2 >,…,y
B.计算P ( y < t > ) P(y^{P (y
C.计算P ( y < t > ∣ y < 1 > , y < 2 > , … , y < t − 1 > ) P(y^{P (y
D.计算P ( y < t > ∣ y < 1 > , y < 2 > , … , y < t > ) P(y^{P (y
; 第 145 题
你已经完成了一个语言模型RNN的训练，并用它来对句子进行随机取样，如下图：
在每个时间步 t t t 都在做什么？
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y ^ < t > \hat{y}^{y ^
B.(1)使用由RNN输出的概率将该时间步的所选单词进行随机采样作为y ^ < t > \hat{y}^{y ^
C.(1)使用由RNN输出的概率来选择该时间步的最高概率词作为y ^ < t > \hat{y}^{y ^
D.(1)使用RNN该时间步输出的概率对单词随机抽样的结果作为y ^ < t > \hat{y}^{y ^
第 146 题
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？
A.梯度消失
B.梯度爆炸
C.ReLU函数作为激活函数g(.)，在计算g(z)时，z的数值过大了
D.Sigmoid函数作为激活函数g(.)，在计算g(z)时，z的数值过大了
第 147 题
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， Γ u \Gamma_u Γu 的维度是多少？
A.1
B.100
C.300
D.10000
第 148 题
这里有一些GRU的更新方程：
爱丽丝建议通过移除 Γ u \Gamma_u Γu 来简化GRU，即设置 Γ u = 1 \Gamma_u=1 Γu =1。贝蒂提出通过移除 Γ r \Gamma_r Γr 来简化GRU，即设置 Γ r = 1 \Gamma_r=1 Γr =1。哪种模型更容易在梯度不消失问题的情况下训练，即使在很长的输入序列上也可以进行训练？
A.爱丽丝的模型（即移除 Γ u \Gamma_u Γu ），因为对于一个时间步而言，如果 Γ r ≈ 0 \Gamma_r\approx0 Γr ≈0，梯度可以通过时间步反向传播而不会衰减。
B.爱丽丝的模型（即移除 Γ u \Gamma_u Γu ），因为对于一个时间步而言，如果 Γ r ≈ 1 \Gamma_r\approx1 Γr ≈1，梯度可以通过时间步反向传播而不会衰减。
C.贝蒂的模型（即移除 Γ r \Gamma_r Γr ），因为对于一个时间步而言，如果 Γ u ≈ 0 \Gamma_u\approx0 Γu ≈0，梯度可以通过时间步反向传播而不会衰减。
D.贝蒂的模型（即移除 Γ r \Gamma_r Γr ），因为对于一个时间步而言，如果 Γ u ≈ 1 \Gamma_u\approx1 Γu ≈1，梯度可以通过时间步反向传播而不会衰减。
; 第 149 题
这里有一些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？
A. Γ u \Gamma_u Γu 与 1 − Γ u 1-\Gamma_u 1 −Γu
B. Γ u \Gamma_u Γu 与 Γ r \Gamma_r Γr
C. 1 − Γ u 1-\Gamma_u 1 −Γu 与 Γ u \Gamma_u Γu
D. Γ r \Gamma_r Γr 与 Γ u \Gamma_u Γu
第 150 题
你有一只宠物狗，它的心情很大程度上取决于当前和过去几天的天气。你已经收集了过去365天的天气数据 x < 1 > , ⋯ , x < 365 > x^{x <1 >,⋯,x <3 6 5 >，这些数据是一个序列，你还收集了你的狗心情的数据 y < 1 > , ⋯ , y < 365 > y^{y <1 >,⋯,y <3 6 5 >，你想建立一个模型来从x到y进行映射，你应该使用单向RNN还是双向RNN来解决这个问题？
A.双向RNN，因为在 t t t 日的情绪预测中可以考虑到更多的信息。
B.双向RNN，因为这允许反向传播计算中有更精确的梯度。
C.单向RNN，因为y的值仅依赖于 x < 1 > , … , x x^{< 1 >} ,…,x x <1 >,…,x ，而不依赖于x , … , x < 365 > x ,…,x^{x ,…,x <3 6 5 >
D.单向RNN，因为y的值只取决于 x x x，而不是其他天的天气。
141-150题 答案
141.A 142.A 143.BD 144.C 145.D 146.B 147.B 148.C 149.A 150.C
Original: https://blog.csdn.net/qq_42994177/article/details/123233632
Author: why do not
Title: 【吴恩达deeplearning.ai】Course 5 – 序列模型 – 第一周测验
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/524601/
转载文章受原作者版权保护。转载请注明原作者出处！