深度学习框架应用开发习题及答案（陈晓龙） 第3章.docx

《深度学习框架应用开发习题及答案（陈晓龙） 第3章.docx》由会员分享，可在线阅读，更多相关《深度学习框架应用开发习题及答案（陈晓龙） 第3章.docx（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、深度学习框架应用开发习题及答案一、选择题1.最早的神经元数学模型是()A.BP模型B.感知器模型C.CNN模型D.M-P模型答案：D解释：最早的形式化神经元数学模型是M-P模型，由美国心理学家McCulloch和数理逻辑学 家Pitts合作于1943年提出2.生物神经元包括树突和轴突，其中树突相当于()，轴突相当于()A.输入端处理端B.输出端处理端C.输入端输出端D.输出端输入端答案：A.下列哪个函数不可以做激活函数？A. y = tanh(x)y = sin(x)B. y = 2xy = sigmiod(x)答案：C解释激活函数的作用：引入非线性值，并且映射-11,所以y=2x不符合作为激

2、活函数的要 求3 .tanh激活函数通常比隐藏层单元的sigmoid激活函数效果更好，因为其输出的平均值更接 近于零，因此它将数据集中在下一层是更好的选择，请问正确吗？A.TrueB.False答案:A5.下面哪个选项不是神经网络训练过程中过拟合的防止方法？A.提前终止B.增加学习率C.L2正则化D.dropou答案：B6.卷积神经网络的正向传播过程是指从输入层到输出层的信息传播过程，该过程包括的操作 有（）A.卷积操作B.池化操作C.Relu操作D.全连接分类答案：D.以下哪些结构属于BP神经网络A.输入层 B.隐含层 C输出层 D.卷积层 答案：D.前馈神经网络通过误差后向传播（BP算法）

3、进行参数学习，这是一种（）机器学习手段A.监督学习8 .半监督学习C.无监督学习D.无监督学习和监督学习的结合 答案：A.下面对前馈神经网络描述不正确的是（）A.层与层之间通过“全连接”进行连接，即两个相邻层之间神经元完全成对连接B.各个神经元接受前一级神经元的输入，并输出到下一级C.同一层内神经元之间存在全连接D.同一层内的神经元相互不连接 答案：C10.下面对前馈神经网络这种深度学习方法描述不正确的是（） A.实现了非线性映射B.是一种端到端学习的方法C.隐藏层数目大小对学习性能影响不大D.是一种监督学习的方法答案：C二、填空题1、进行深度学习应用开发的第一步也是至关重:要的一步就是数据处

4、理。2、TensorFlow2 提供了 函数 tf.keras.utils.get file 用于下载数据集。3、在实际开发过程中，开发人员都需要对数据进行分析。通过分析，选取合适的数据以及 相对应的数据预处理方法是项目开发成功的关键。4、借助seaborn工具(安装命令：pip install seaborn)可以对数据进行数据可视 化。5、散点触图可以用于粗略揭示数据中，不同列之间的相关性。6、数据送入模型进行训练之前，一步很重要的步骤就是清洗无效数据。7、开发者想获取指定某连续几行的数据，如第30行到49行，可以通过切片的方式获取。8、pandas提供无效数据统计函数isnan。9、处理

5、无效数据的方法有很多利。比如填充Nan数据、直接删除对应的数据。10、在机器学习领域，某种值的递增本身就有特殊的意义，建议采用序号唯一编码技术。11、把每一项数据视为一个长度为N的数组，数据类型有多少种，数组长度就为多少。数 组中每一个元素取值只有0、1两种形式，并且每一个数组中只有一项是1。这种编码技术 是独热(ont-hot)编码。12、自然语言处理中的向量化先确定一个N项的数组,每个数组元素值通常都是用浮点数 据，能代表更多的分类。13、数据处理的最后一步就是娄邂集拆分，部分数据集用于评估模型性能。14、通常在机器学习中将数据拆分为三份：训I练集(Training Dataset)、验证

6、集(Validation Dataset )s 测试集(Test Dataset)。15、数据集拆分有二种常见的方法：留出法和K-折交叉验证法16、人工神经元(Artificial Neuron),是构成神经网络的基本单元，其主要是模拟生物神 经历的结构和特性，接收一组输信号并产生。17、现代人工神经元模型由连接、求和节点和激活函数组成。18、邀适函数对人工神经网络有非常重要的意义，能够提升网络的非线性能力、环节模型训 练期间梯度消失的问题、加速网络收敛等。19、Sigmoid函数可以使输出平滑而连续地限制在0-1,在0的附近表现为近视线性函数, 而远离0的区域表现出韭维i，输入越小,越接近于

7、0；输入越大,越接近于1。20、Tanh函数继承自sigmoid函数，改进了 sigmoid变化过于平缓的问题，它将输入平滑地 限制在士J勺范围内。21、现代深度学习技术，模型训练一般采用梯度下降法来更新参数。22、损失函数用于描述网络模型的预测值和真实值之间的差距大小,是衡量神经网络学习质 量的关键。23、模型评估是深度学习应用开发非常重要的一个环节,直接影响该模型是否可以用于实际 生产环境。24、为了更好的刻画训练过程，可以通过亘视化训统过程来帮助开发者更好的掌握模型训练 的过程。25、为了解决过拟合现象，一般采用正则化技术.三、综合题加利福尼亚州人口普查，收录了 20640条样本。数据包

8、含的属性有 longitudejatitude,housing_median_age,total_rooms,total_bedrooms/population,households (家 庭人数)/median_income/median_house_value/ocean_proximity本题要求使用加利福尼亚的房价数据，用第三方库Sklearn获取房价数据进行预测模型 的搭建。数据弓I 入：from sklearn.datasets import fetch_california_housinghouse = fetch_california_housing()任务要求：1 .下教数据集，并打印出前10行数据。2 .分析数据，读取数据获取数据维度.数据拆分、归一化处理3 .搭建模型，设置优化模型，损失函数、回调函数进行训练.测试测试集，获取结果测试