2020-5-30 吳恩達-NN&DL-w1 概論(課後作業)

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

1、和“AI是新電力”相類似的說法是什麼？

• 就像100年前產生電能一樣，AI正在改變很多的行業。（正確）
• AI爲我們家庭和辦公室的個人設備供電，類似於電力
• 通過“智能電網”，AI提供新一波電能
• AI在計算機上運行，​​並由電力驅動，但是它正在讓過去計算機不能做的事情變爲可能。

2、哪些是深度學習快速發展的原因？ (3個選項)

• 我們有了更好更快的計算能力。（正確）
• 深度學習已經取得了重大的進展，比如在在線廣告、語音識別和圖像識別方面有了很多的應用。（正確）
• NN是一個全新的領域。
• 我們現在可以獲得更多的數據。（正確）
  

3、回想一下DL NN開發的迭代圖。下面哪些陳述是正確的？

• 快速迭代能夠讓DL工程師快速地實現自己的想法。（正確）
• 更快的計算能力能夠幫助團隊加速迭代自己的想法。（正確）
• 在大數據集上訓練上的時間要快於小數據集。
• 近來新的DL算法允許我們能夠更快地訓練好模型（即使不更換CPU / GPU硬件）。（正確）

4、經驗豐富的DL工程師在遇到一個新問題的時候，他們通常可以利用先前的經驗來在第一次嘗試中訓練一個表現很好的模型，而不需要通過不同的模型迭代多次從而選擇一個較好的模型。這個說法是正確的嗎？

• 錯誤

一個表現很好的深度學習模型，並不是僅靠經驗就能立馬找到的。雖然經驗很重要，但要找到一個表現很好的模型，都需要嘗試，修復，不斷完善的一個過程。

5、下列圖中的哪一個是ReLU激活函數？

• Figure3 圖三
  

6、用於識別貓的圖像是“結構化”數據的一個例子，因爲它在計算機中被表示爲結構化矩陣。這種說法正確嗎？

• 錯誤

貓圖像識別的數據是典型的非結構化數據，常見的非結構化數據還有文本，圖像，視頻等。

7、包含不同城市人口、人均GDP、經濟增長率的人口統計數據集是“非結構化”數據的一個例子，因爲它包含來自不同來源的數據。這種說法正確嗎？

• 錯誤

人口、人均GDP、經濟增長率等數字都是結構化數據。

8、爲什麼RNN（循環神經網絡）可以應用機器翻譯將英語翻譯成法語？

• 因爲它可以被用做監督學習。（正確）
• 嚴格意義上它比卷積神經網絡（CNN）效果更好。
• 它比較適合用於當輸入/輸出是一個序列的時候（例如：一個單詞序列）（正確）
• RNNs代表遞歸過程：想法->編碼->實驗->想法->…

RNN 可以被看做是同一NN的多次賦值。每個NN模塊會把消息傳遞給下一個，所以它是鏈式的。鏈式的特徵揭示了 RNN 本質上是與序列和列表相關的，所以它在解決sequence上是毫無問題的。

9、上圖中，橫軸（x軸）和縱軸（y軸）代表什麼?

• 答案：B。

橫座標是數據量，縱座標是該算法的性能。

10、假設上一個問題圖中描述的是準確的（並且希望您的軸標籤正確），以下哪一項是正確的?

• 減小NN的大小通常不會影響算法的性能，這可能會有很大的幫助。
• 增加訓練集的大小通常不會影響算法的性能，這可能會有很大的幫助。（正確）
• 減小訓練集的大小通常不會影響算法的性能，這可能會有很大的幫助。
• 增加NN的大小通常不會影響算法的性能，這可能會有很大的幫助。（正確）

對於相同的數據量，只要足夠多了，那麼大型NN的表現更好。
對同一個NN，數據量越多，其表現越好。