週1クイズ - 深い学習の実践的な側面（テストの最初の週 - 深実践学習）
あなたは10,000,000の例を持っている場合は、\ 1、あなたはどのように電車の/ dev /テスト・セットを分割しますか？（あなたは10,000,000サンプルを持っている場合は、どのようにトレーニング/開発/テスト・セットを分割するのでしょうか？）
[] 98％の列車。1％DEV 1％の試験（98％のトレーニングセット、1％の開発セット、テストセット1％）
答え
へ
\ 2 DEV及び試験設定すべきである：（開発およびテスト設定する必要があり）
[]（同じ分布から）同一の分布から来
答え
へ
\あなたのニューラルネットワークモデルは、高い分散を持っているようだ3.Ifは、以下の何をしようとする事を約束することでしょうか？（あなたのニューラルネットワークモデルは、高い分散を持っているように見える場合、問題を解決しようとすることは可能である以下？）
[]（正則を追加）正則を追加
[]（より多くのトレーニングデータのために）より多くのトレーニングデータを取得します
答え
大丈夫
\ 4.あなたは、スーパーマーケットのための自動化されたチェックアウトキオスクに取り組んでおり、リンゴ、バナナやオレンジのための分類器を構築している。あなたの分類器は、0.5％のトレーニングセット・エラー、および7％のDEV・セット・エラーを取得したとします。次のうちどれ？あなたの分類子を改善しようとする事を約束している（該当するものすべてをチェックしてください。）リンゴ、バナナやオレンジを作っているあなたがスーパーマーケットで働く（自動チェックアウトキオスク、分類器を作る。あなたの分類器を想定7エラー時に0.5％の誤差の％、およびトレーニングセットのセットの開発があります。クラシファイアあなたの分類性能を改善しようとすることを約束された次のうちどれ？）
[]正則化パラメータラムダ（増加正則化パラメータラムダ）を増やし
[]（より多くのトレーニングデータのために）より多くのトレーニングデータを取得します
答え
大丈夫
\重量崩壊5.何ですか？（重量崩壊とは何ですか？）
[]勾配降下の結果は反復ごとに重みを縮小すること（例えばL2正則化など）正則化技法は、（正則化技術（例えば正規L2）各反復におけるリード勾配降下収縮重量）。
答え
へ
あなたは正則化ハイパーラムダを増やすとどうなります\ 6.？（あなたは正則化パラメータはラムダを超えて増加する場合どうなりますか？）
【】重みは（重みが小さくなる（0に近い））小さい（0に近い）になっ側に押されています
答え
へ
（ドロップアウトを使用してテスト時）。試験時の反転ドロップアウト手法で\ 7
[]あなたがドロップアウト適用されない（ランダム単位を排除していない）、および（ノードのないランダムな除去、及び訓練に1 / keep_prob因子予約を用いて計算していない）のトレーニングに使用する計算において1 / keep_prob係数を保持しません
答え
へ
\ 8 0.6に（例えば）0.5からパラメータkeep_probを大きくすると、おそらく次:.（適用2を確認してください）が発生します（パラメータkeep_prob）例えば（0.5から0.6に上昇し、次の例の原因となる場合があります）
[]正則化効果の低減（正則化を弱めます）
[]ニューラルネットワークが低くトレーニングセット・エラーで終わるさせる（ニューラルネットワークがトレーニングセットに最後に良く動作します。）
答え
大丈夫
\ 9.これらの技術のどれ（オーバーフィッティングを減らす）の分散を低減するのに有用である？（当てはまるものをすべて確認してください。）（オーバーフィッティングの分散（削減）を低減するために使用することができ、以下の技法のもの）
【 】脱落
[] L2正則化（L2正則化）
[]データ増強（データ拡張）
答え
大丈夫
\ 10.なぜ我々は、入力を正規化します（なぜ私たちは、入力Xを正規化する必要がありますか？）？xは
[]これは、より速く最適化するために、コスト関数を作る（コスト関数は、より迅速にそれを最適化するために）
答え
へ
週1コードの割当て：
✧Course2 - テストの最初の週 - - DNNを改善深い学習の実践
✦ assignment1_1：初期化）
https://github.com/phoenixash520/CS230-Code-assignments
✦ assignment1_2：正則
https://github.com/phoenixash520/CS230-Code-assignments