---

←上一篇↓↑下一篇→

1.12 深層循環神經網絡	回到目錄	1.13 總結

---

總結

習題

第 141 題

假設你的訓練樣本是句子(單詞序列)，下面哪個選項指的是第i個訓練樣本中的第j個詞?

A.$x^{(i)<j>}$

B.$x^{<i>(j)}$

C.$x^{(j)<i>}$

D.$x^{<j>(i)}$

第 142 題

看一下下面的這個循環神經網絡：

在下面的條件中，滿足上圖中的網絡結構的參數是：

A.$T_x=T_y$
B.$T_x<T_y$
C.$T_x>T_y$
D.$T_x=1$

第 143 題

這些任務中的哪一個會使用多對一的RNN體系結構？

A.語音識別（輸入語音，輸出文本）

B.情感分類（輸入一段文字，輸出0或1表示正面或者負面的情緒）

C.圖像分類（輸入一張圖片，輸出對應的標簽）

D.人聲性別識別（輸入語音，輸出說話人的性別）

第 144 題

假設你現在正在訓練下面這個RNN的語言模型：

在 $t$ 時，這個RNN在做什么？

A.計算$P(y^{<1>},y^{<2>},\dots ,y^{<t?1>})$

B.計算$P(y^{<t>})$

C.計算$P(y^{<t>}\mid y^{<1>},y^{<2>},\dots ,y^{<t?1>})$

D.計算$P(y^{<t>}\mid y^{<1>},y^{<2>},\dots ,y^{<t>})$

第 145 題

你已經完成了一個語言模型RNN的訓練，并用它來對句子進行隨機取樣，如下圖：

在每個時間步 $t$ 都在做什么？

A.(1)使用RNN輸出的概率，選擇該時間步的最高概率單詞作為${\hat{y}}^{<t>}$，(2)然后將訓練集中的正確的單詞傳遞到下一個時間步

B.(1)使用由RNN輸出的概率將該時間步的所選單詞進行隨機采樣作為${\hat{y}}^{<t>}$，(2)然后將訓練集中的實際單詞傳遞到下一個時間步

C.(1)使用由RNN輸出的概率來選擇該時間步的最高概率詞作為${\hat{y}}^{<t>}$，(2)然后將該選擇的詞傳遞給下一個時間步

D.(1)使用RNN該時間步輸出的概率對單詞隨機抽樣的結果作為${\hat{y}}^{<t>}$，(2)然后將此選定單詞傳遞給下一個時間步

第 146 題

你正在訓練一個RNN網絡，你發現你的權重與激活值都是“NaN”，下列選項中，哪一個是導致這個問題的最有可能的原因？

A.梯度消失

B.梯度爆炸

C.ReLU函數作為激活函數g(.)，在計算g(z)時，z的數值過大了

D.Sigmoid函數作為激活函數g(.)，在計算g(z)時，z的數值過大了

第 147 題

假設你正在訓練一個LSTM網絡，你有一個10,000詞的詞匯表，并且使用一個激活值維度為100的LSTM塊，在每一個時間步中， ${\Gamma }_u$ 的維度是多少？

A.1

B.100

C.300

D.10000

第 148 題

這里有一些GRU的更新方程：

愛麗絲建議通過移除 ${\Gamma }_u$ 來簡化GRU，即設置 ${\Gamma }_u=1$ 。貝蒂提出通過移除 ${\Gamma }_r$ 來簡化GRU，即設置 ${\Gamma }_r=1$ 。哪種模型更容易在梯度不消失問題的情況下訓練，即使在很長的輸入序列上也可以進行訓練？

A.愛麗絲的模型（即移除 ${\Gamma }_u$ ），因為對于一個時間步而言，如果 ${\Gamma }_r\approx 0$ ，梯度可以通過時間步反向傳播而不會衰減。

B.愛麗絲的模型（即移除 ${\Gamma }_u$ ），因為對于一個時間步而言，如果 ${\Gamma }_r\approx 1$ ，梯度可以通過時間步反向傳播而不會衰減。

C.貝蒂的模型（即移除 ${\Gamma }_r$ ），因為對于一個時間步而言，如果 ${\Gamma }_u\approx 0$ ，梯度可以通過時間步反向傳播而不會衰減。

D.貝蒂的模型（即移除 ${\Gamma }_r$ ），因為對于一個時間步而言，如果 ${\Gamma }_u\approx 1$ ，梯度可以通過時間步反向傳播而不會衰減。

第 149 題

這里有一些GRU和LSTM的方程：

從這些我們可以看到，在LSTM中的更新門和遺忘門在GRU中扮演類似___與___的角色，空白處應該填什么？

A. ${\Gamma }_u$ 與 $1?{\Gamma }_u$
B. ${\Gamma }_u$ 與 ${\Gamma }_r$
C. $1?{\Gamma }_u$ 與 ${\Gamma }_u$
D. ${\Gamma }_r$ 與 ${\Gamma }_u$

第 150 題

你有一只寵物狗，它的心情很大程度上取決于當前和過去幾天的天氣。你已經收集了過去365天的天氣數據 $x^{<1>},?,x^{<365>}$ ，這些數據是一個序列，你還收集了你的狗心情的數據 $y^{<1>},?,y^{<365>}$ ，你想建立一個模型來從x到y進行映射，你應該使用單向RNN還是雙向RNN來解決這個問題？

A.雙向RNN，因為在 $t$ 日的情緒預測中可以考慮到更多的信息。

B.雙向RNN，因為這允許反向傳播計算中有更精確的梯度。

C.單向RNN，因為$y^{}的值僅依賴于x^{<1>},\dots ,x^{}，而不依賴于x^{},\dots ,x^{<365>}$

D.單向RNN，因為$y^{}的值只取決于x^{}$，而不是其他天的天氣。

141-150題 答案

141.A 142.A 143.BD 144.C 145.D 146.B 147.B 148.C 149.A 150.C

---

←上一篇↓↑下一篇→

1.12 深層循環神經網絡	回到目錄	1.13 總結

---

總結

以上是生活随笔為你收集整理的1.13 总结-深度学习第五课《序列模型》-Stanford吴恩达教授的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。