まとめ
演習
問題61
多数のハイパーパラメータの中から最適なパラメータ値を検索する場合は、ランダムな値を使用する代わりにグリッドで検索して、運に頼るのではなく、より体系的に検索できるようにする必要があります。この文は正しいですか?
A.はいB.いいえ
問題62
各ハイパーパラメータが適切に設定されていないと、トレーニングに大きな悪影響を与えるため、すべてのハイパーパラメータを調整する必要があります。これは正しいですか?
A.はいB.いいえ
問題63
ハイパーパラメーター検索中に、1つのモデルのみを処理しようとする(パンダ戦略を使用)か、多数のモデルを一緒にトレーニングする(キャビア戦略)かは、主に次の要素に依存します。
A.バッチ(バッチ)最適化とミニバッチ最適化(ミニバッチ最適化)のどちらを使用するか
B.ニューラルネットワークにおける極小値(鞍点)の存在
C.自分の能力の範囲内で、どれだけのコンピューティング能力を使用できるか(Bloggerの注:高性能コンピューターと低パフォーマンスコンピューターの違い)
D.調整が必要なハイパーパラメーターの数
問題64
あなたが思うなら (運動量ハイパーパラメーター)が0.9から0.99の間である場合、次の方法のどれが推奨されます サンプリングの値?
A.
r = np.random.rand()
beta = r * 0.09 + 0.9
B.
r = np.random.rand()
beta = 1 - 10 ** ( - r - 1 )
C.
r = np.random.rand()
beta = 1 - 10 ** ( - r + 1 )
D.
r = np.random.rand()
beta = r * 0.9 + 0.09
問題65
適切なハイパーパラメータ値を見つけるのは非常に時間がかかるため、通常はプロジェクトの最初に1回実行し、非常に適切なハイパーパラメータを見つけて、再度調整する必要がないようにする必要があります。これは正しいですか?
A.はいB.いいえ
問題66
ビデオで説明されているバッチ標準化で、最初に適用された場合 層、誰にあなたは標準化されなければなりませんか?
A.
B.
C.
D.
問題67
標準化された式 、イプシロン(ϵ)を使用する理由
A.より正確な標準化のために
B.ゼロによる除算を回避するには
C.収束を加速する
D.防ぐ 小さすぎる
問題68
バッチ標準化について および 次の説明のうち、正しいものはどれですか。
A.各レイヤーには、グローバルな値があります とグローバル値 は、このレイヤーのすべての非表示ユニットに適用されます。
B. および はアルゴリズムのハイパーパラメーターであり、ランダムサンプリングによって調整します。
C.特定の層の線形変数を決定する 平均と分散
D.最高の価値は
E.彼らは、学習のために勾配降下法だけでなく、アダム、運動量勾配降下法、またはRMSpropを使用できます。
問題69
ニューラルネットワークをバッチ正規化でトレーニングした後、ニューラルネットワークを新しいサンプルで評価する場合、次のことを行う必要があります。
A. 256の例のミニバッチでバッチ標準化を実装する場合、テスト例で評価する場合は、この例を256回繰り返して、トレーニング中と同じサイズを使用できるようにする必要があります。予測を行うためのミニバッチ。
B.最新のミニバッチを使用する および 必要な標準化を実行するための値
C.スキップ および 値の標準化ステップ、例では標準化は必要ないため
D.トレーニング中に得られた指数加重平均を使用して、必要な標準化を実行します および
問題70
ディープラーニングプログラミングフレームワークに関する次の記述のうち、正しいものはどれですか。(正しい項目をすべて選択してください)
A.プロジェクトが現在オープンソースである場合でも、プロジェクトを適切に管理することで、会社の閉鎖や変更だけでなく、長期的にもプロジェクトをオープンな状態に保つことができます。
B.プログラミングフレームワークを通じて、低レベル言語(Pythonなど)よりも少ないコードを使用して、深層学習アルゴリズムを記述できます。
C.深層学習プログラミングフレームワークの操作には、クラウドベースのマシンが必要です。
質問61〜70の回答
61.B 62.B 63.C 64.B 65.B 66.A 67.B 68.CE 69.D 70.AB