欢迎来到淘文阁 - 分享文档赚钱的网站! | 帮助中心 好文档才是您的得力助手!
淘文阁 - 分享文档赚钱的网站
全部分类
  • 研究报告>
  • 管理文献>
  • 标准材料>
  • 技术资料>
  • 教育专区>
  • 应用文书>
  • 生活休闲>
  • 考试试题>
  • pptx模板>
  • 工商注册>
  • 期刊短文>
  • 图片设计>
  • ImageVerifierCode 换一换

    深度学习框架应用开发习题及答案(陈晓龙) 第4章.docx

    • 资源ID:72695735       资源大小:13.90KB        全文页数:2页
    • 资源格式: DOCX        下载积分:15金币
    快捷下载 游客一键下载
    会员登录下载
    微信登录下载
    三方登录下载: 微信开放平台登录   QQ登录  
    二维码
    微信扫一扫登录
    下载资源需要15金币
    邮箱/手机:
    温馨提示:
    快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。
    如填写123,账号就是123,密码也是123。
    支付方式: 支付宝    微信支付   
    验证码:   换一换

     
    账号:
    密码:
    验证码:   换一换
      忘记密码?
        
    友情提示
    2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,就可以正常下载了。
    3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
    4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰。
    5、试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。

    深度学习框架应用开发习题及答案(陈晓龙) 第4章.docx

    深度学习框架应用开发习题及答案一选择题1、关于MNIST,下列说法错误的是(C)。A.是著名的手写体数字识别数据集B.有训练集和测试集两部分C.训练集类似人学习中使用的各种考试试卷D.测试集大约包含10000个样本和标签2、以下选项中,机器学习算法真正用来“学习”的数据是(B)A.验证集B.训练集C.测试集D.超参数集3、对于神经网络的说法,下面正确的是:()A增加神经网络层数,可能会增加测试数据集的分类错误率B减少神经网络层数,总是能减小测试数据集的分类错误率C增加神经网络层数,总是能减小训练数据集的分类错误率4预测分析中将原始数据分为训练数据集和测试数据集等,其中训练数据集的作用在于(C)。A、用于对模型的效果进行无偏的评估B、用于比较不同模型的预测准确度C、用于构造预测模型D、用于选择模型5、什么样的数据不适合用深度学习()A、数据集太小B、数据集太大C、数据集没有局部相关性D、数据集局部相关性极强6、学习没有标签的数据集的机器学习方法是?()A、监督学习B、无监督学习C、半监督学习D、强化学习7、可以通过(C)数据处理手段实现去除图像冗余部分。A.图像归一化B.均值C.白化D.图像灰度化8、图像归一化的主要作用是(A)。A.将图像按照一定的标准形式进行标准化处理,使图像能具有抵抗几何变换的能力B.去除图像噪声部分C.改正图像采集系统的系统误差和仪器位置的随机误差D.矩阵维数下降,运算速度大幅度提高,并且梯度信息仍然保留9、在tensorflow开发环境下,可以使用(A)方法来完成图像灰度化的操作。A. tensorflow, image. rgb_to_grayscale()tf. image. rgb_to_hsv ()B. tf. image. rgb_to_yiq ()tf. image. rgb_to_yuv ()10、One-Hot编码,又称为一位有效编码,主要是采用N位状态寄存器来对N个状态进行编 码,每个状态都由他独立的寄存器位,并且在任意时候只有一位有效。它主要是用来解决类 别型数据的离散值问题的。假定对篮球,足球,乒乓球,羽毛球进行独热编码,其中篮球的 编码结果为(A)。A. 1 0 0 00 1 0 0B. 0 0 1 00 0 0 1IK LabelEncoder编码对不连续的数字或者文本进行编号,将其转换成连续的数值型变量。 假定对paris,paris,tokyo,amsterdam进行 labelencoder 编码,那么得到的 结果应该是(A)。A. 1 1 2 00 0 1 2B. 1 1 2 02 2 0 112、全连接神经网络简称是(C)。A. CNNRNNB. DNNRCNN13、全连接神经网络一般由(B)几部分组成。A.输入层,池化层,输出层B.输入层,隐藏层,输出层C.输入层,输出层D.输入层,卷积层,输出层二填空题1、MNIST是一个非常著名的手写数字数据集,由纽约大学教授Yann LeCun负责构建。2、TensorFlow2 也提供了 自动下载 MNIST 数据集函数 kerasdatasets.mnist.load data。3、数字图像本质就是一个三维数组。4、TensorFlow2中的MNIST数据存储是以皿格式存储,因此是无法再电脑用图片编辑器软 件打开的。5、在MNIST数据集中返回训练集的形状为(60000, 28, 28)的三维数组。6、全连接神经网络对单个数据要求输入数据为向量,而不是二维数组。因此,需要将28x28 的二维数组转换为一维数组。7、TensorFlow2中保存的MNIST原始数据的数据类型是uint8,但是在后续的处理中肯定是 会涉及到浮点数操作,因此需要将这些数据转换为浮点数。8、MNIST的标签编码方式是序列化唯一。9、MNIST数据集中图片的像素值是0-255范围内的,但是不同的图片的像素分布差别很大。 小像素值很容易在忽略的过程中被忽略掉,这对模型最终的性能影响是非常大的。为了解决 此类问题,可以通过对像素值的缩放来缓解。常见的一种方法就是图像归一化,即将所有像 素的值缩放到0-1范围内。10、手写数字识别是一个3层的全连接神经网络模型。11、分类任务的评估标准一般采用迤速率来进行评估。12、启动训练,程序会自动在脚本所在的目录下创建一个checkpoint文件夹,所有的权重模 型都保存在该文件夹下。13、通过加载指定权重实现在模型训练程序完全停止后进行模型测试,或者在测试中间保存 的某一个模型的性能。三、综合题Cifar-10数据集一个十分接近普适物体的彩色图像数据集,它一共包含10个类别的 RGB 彩色图片:飞机(airplane )、汽车(automobile )、鸟类(bird )、猫(cat )、 鹿(deer )、狗(dog )、蛙类(frog )、马(horse )、船(ship )和卡车(truck )。 其中每个图片的尺寸为32 x 32 ,每个类别有6000个图像,数据集中一共有50000张训练 图片和10000张测试图片。在本章我们需要做的就是构建DNN网络模型,在cifar-10数据集上训练,得到一个比较 好的识别cifar-10数据集的模型。任务要求:任务1 cifar-10数据集任务2搭建并训练cifar-10识别模型任务3 cifar-10识别模型性能验证

    注意事项

    本文(深度学习框架应用开发习题及答案(陈晓龙) 第4章.docx)为本站会员(太**)主动上传,淘文阁 - 分享文档赚钱的网站仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知淘文阁 - 分享文档赚钱的网站(点击联系客服),我们立即给予删除!

    温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。




    关于淘文阁 - 版权申诉 - 用户使用规则 - 积分规则 - 联系我们

    本站为文档C TO C交易模式,本站只提供存储空间、用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知淘文阁网,我们立即给予删除!客服QQ:136780468 微信:18945177775 电话:18904686070

    工信部备案号:黑ICP备15003705号 © 2020-2023 www.taowenge.com 淘文阁 

    收起
    展开