【答案】《纺织服装专业人工智能技术导论》(国家高等教育智慧教育平台)章节作业中国大学慕课答案

第二单元二元分类问题课后自测题1.单选题：若将训练集记为矩阵X，其中包含了m个样本，每个样本的特征数量为个，则X的维度为

选项：

A、

B、

C、

D、

答案：【】2.单选题：若令，且激活函数为Sigmoid，其正确计算方式为

选项：

A、

B、

C、

D、

答案：【】3.单选题：若令为真值y的预测值，下面关于交叉熵函数的正确计算方式为

选项：

A、

B、

C、

D、

答案：【】4.单选题：下面关于学习率α说法正确的是

选项：

A、学习率α越大越好，这样可以加快神经网络的训练速度

B、学习率α越小越好，这样可以保证训练的平稳

C、学习率α必须是不变量

D、学习率α需要根据实际训练过程的表现予以调校

答案：【学习率α需要根据实际训练过程的表现予以调校】5.单选题：以绒山羊/非绒山羊的分类问题为例，根据本章所讲授的内容及符号表达方式，回答以下问题：（单选题）对于每一个样本，其中，，样本包含了个特征

选项：

A、

B、

C、

D、

答案：【】6.单选题：意味着该问题属于分类问题

选项：

A、二元分类问题

B、多元分类问题

C、三元分类问题

D、以上都不对

答案：【二元分类问题】7.单选题：按照本课程约定的符号体系，若有个样本构成整个训练集，该集合可以表示为

选项：

A、

B、

C、

D、

答案：【】8.单选题：向后传播的推导过程，主要是基于链式法则求偏导，这个说法正确吗？

选项：

A、正确

B、错误

答案：【正确】9.单选题：“整个训练集的代价函数J(w,b)，实际上是全部训练数据的损失函数值加和之后的平均值”，这个说法对吗?

选项：

A、正确

B、错误

答案：【正确】10.单选题：“在编写代码之前，首先需要确定需要求解的目标是什么。比如对于梯度下降算法而言，核心是求出dw和db，从而实现对w和b的更新”。这个说法正确吗？

选项：

A、正确

B、错误

答案：【正确】第三单元全连接型神经网络课后自测题1.单选题：1.在下图所示的神经网络中，圆圈和箭头的含义分别是______?

选项：

A、圆圈代表神经元，箭头代表权重

B、圆圈代表输入量，箭头代表输出方向

C、圆圈仅仅代表激活值，箭头代表权重

D、圆圈和箭头代表了向前传播过程

答案：【圆圈代表神经元，箭头代表权重】2.单选题：图中所示的激活函数中，哪个是tanh？

选项：

A、左边的是tanh，右边的是sigmoid

B、左边是sigmoid，右边是tanh

C、左边的是tanh，右边的是它的特殊形式

D、左边是sigmoid，右边是它的特殊形式

答案：【左边是sigmoid，右边是tanh】3.单选题：图中所示的激活函数，其名称是什么？

选项：

A、Softmax

B、ReLU

C、LeakyReLU

D、WeakyReLU

答案：【ReLU】4.单选题：根据本单元的表达方式，下图的神经网络是___层神经网络?

选项：

A、3

B、4

C、5

D、6

答案：【4】5.单选题：根据本单元讲授的符号表达方式，的含义是____________

选项：

A、第3个样本的第2个特征在第1层神经网络中的权重值

B、第3个样本的第1个特征在第2层神经网络中的权重值

C、第2个样本的第3个特征在第1层神经网络中的权重值

D、以上都不是

答案：【第2个样本的第3个特征在第1层神经网络中的权重值】6.单选题：符号的含义是___________

选项：

A、第层第个神经元的激活值a

B、第层第个神经元的激活值a

C、第层第个神经元的加权值a

D、第层第个神经元的加权值a

答案：【第层第个神经元的激活值a】7.单选题：对于第层神经网络而言，下述说法正确的是________

选项：

A、与的维度可以不相等

B、与的维度可以不相等

C、的维度为

D、的维度为

答案：【的维度为】8.单选题：在神经网络向后传播的计算过程中，“我们需要对x求导，因为x也是特征，有必要对其进行优化”，这个说法正确吗？

选项：

A、正确

B、错误

答案：【错误】9.单选题：当神经网络由若干层组成时，除了第一层的输入是我们设置的原始特征之外，剩下的每一层的输入，其实都是前一层所输出的激活值。这个说法正确与否？

选项：

A、正确

B、错误

答案：【正确】10.单选题：“参数的维度并不随着样本数量的多少而改变，因为它们是神经网络架构中用来调节每层神经元对输入特征影响的大小的。”这个说法正确吗？

选项：

A、正确

B、错误

答案：【正确】第四单元神经网络调优（一）课后自测题1.单选题：关于训练集、验证集、测试集，下述说法正确的是：________

选项：

A、在数据量很小或者数据量很大的时候，都必须有20%的数据用于测试集

B、在数据量很小或者数据量很大的时候，都必须有10%的数据用于测试集

C、在数据量很小或者数据量很大的时候，都必须有5%的数据用于测试集

D、以上都不对

答案：【以上都不对】2.单选题：关于神经网络的正则化方法，以下表述正确的是__________。

选项：

A、只有L2正则化和随机失活正则化属于正则化方法，数据扩增并不属于正则化方法

B、只有L2正则化属于正则化方法，随机失活与数据扩增并不属于正则化方法

C、L2正则化、随机失活正则化以及数据扩增均属于正则化方法的一种

D、以上都不是

答案：【L2正则化、随机失活正则化以及数据扩增均属于正则化方法的一种】3.单选题：若数据集如图所示，由×和○代表两类不同的数据，下图分别表示的是分类过程中的哪种情况？

选项：

A、左为高偏差，中为适当，右为高方差

B、左为适当，中为高偏差，右为高方差

C、左为高方差，中为适当，右为高偏差

D、以上都不是

答案：【左为高偏差，中为适当，右为高方差】4.单选题：当网络初步训练完成，但是预测误差较大时，首先应采取以下哪种措施？

选项：

A、增加数据量

B、优化数据分布

C、选择新的网络架构

D、以上都是

答案：【选择新的网络架构】5.单选题：当网络初步训练完成，且在训练集上表现良好，但是在测试集上表现不佳，首先应采取以下哪种措施？

选项：

A、这是高偏差或者欠拟合现象，首先应该增加数据量或者进行数据增广

B、这是高方差或者过拟合现象，首先应该增加数据量或者进行数据增广

C、这是高偏差或者欠拟合现象，首先应该更换网络架构

D、这是高方差或者过拟合现象，首先应该更换网络架构

答案：【这是高方差或者过拟合现象，首先应该增加数据量或者进行数据增广】6.单选题：在正则化中,，即前增加了一个系数。请问，这里超参数的取值范围通常是：

选项：

A、[0,1]

B、[-1,0]

C、[-1,1]

D、以上都不是

答案：【[0,1]】7.单选题：“如果激活函数的输入特征均经过了零均值和标准方差化，方差是1，那么也会调整到相似范围，虽然没有从根本上解决梯度消失和爆炸问题。但它确实降低了梯度消失和爆炸产生的可能性”。这个说法正确吗？

选项：

A、正确

B、错误

答案：【正确】第五单元神经网络调优（二）课后自测题1.多选题：为了提高神经网络的学习速度，以下说法正确的是

选项：

A、从随机梯度下降改为动量梯度下降法，通常是一个不错的尝试

B、从随机梯度下降改为RMSprop梯度下降法，通常是一个不错的尝试

C、从随机梯度下降改为Adam梯度下降法，通常是一个不错的尝试

D、采用学习率衰减的方式，通常是一个不错的尝试

答案：【从随机梯度下降改为动量梯度下降法，通常是一个不错的尝试;从随机梯度下降改为RMSprop梯度下降法，通常是一个不错的尝试;从随机梯度下降改为Adam梯度下降法，通常是一个不错的尝试;采用学习率衰减的方式，通常是一个不错的尝试】2.多选题：在将数据集分割为若干个小批量后，往往训练时的代价函数曲线从下图中左侧的单一批量训练形态，改变为右侧所示的小批量训练形态。此时，下述说法正确的是：

选项：

A、小批量之间彼此是相互独立的，在第t-1个小批量上表现好的权重矩阵，未必在第t个小批量上也表现良好，反之亦然。两个相邻的小批量之间可能存在着起伏。

B、有的小批量上的数据容易训练，而有的小批量上的数据不容易训练。

C、由于训练数据都是人为标注的，有可能存在某些小批量中，标签本身存在错误，导致前一个小批量中可行的权重，在这个小批量中就是不可行的了。

D、单一批量是由小批量构成的，因此左图实际上是右图的平均值曲线。

答案：【小批量之间彼此是相互独立的，在第t-1个小批量上表现好的权重矩阵，未必在第t个小批量上也表现良好，反之亦然。两个相邻的小批量之间可能存在着起伏。;有的小批量上的数据容易训练，而有的小批量上的数据不容易训练。;由于训练数据都是人为标注的，有可能存在某些小批量中，标签本身存在错误，导致前一个小批量中可行的权重，在这个小批量中就是不可行的了。】3.单选题：“在进行数据准备时，通常通过随机混洗（shuffle）和分区(partition)来达到较为合理的数据分布”，这个说法正确与否？

选项：

A、正确

B、错误

答案：【正确】4.单选题：“指数加权平均的所实现的是遵循指数衰减的系数与当前值的按位相加之和”，这个说法正确与否？

选项：

A、正确

B、错误

答案：【错误】5.单选题：“在使用指数加权平均时，必须对最初阶段的偏差予以修正”，这个说法正确与否？

选项：

A、正确

B、错误

答案：【错误】6.单选题：“在克服平稳段问题时，动量梯度下降法，RMSprop梯度下降法，以及Adam梯度下降法，往往比随机梯度下降法更为有效”，这个说法正确吗？

选项：

A、正确

B、错误

答案：【正确】7.单选题：“在动量梯度下降法中，若参数β=0.9，则必须使用偏差修正技术”，这个说法正确与否？

选项：

A、正确

B、错误

答案：【错误】8.单选题：“通俗地讲，Adam优化算法基本是动量梯度下降法和RMSprop相结合的产物”，这个说法正确与否？

选项：

A、正确

B、错误

答案：【正确】9.单选题：“在大型神经网络中，由于参数众多，此时的优化函数往往存在于高维空间中，其优化的难点其实是克服诸如平稳段问题”，这个说法正确吗？

选项：

A、正确

B、错误

答案：【正确】10.单选题：“在许多神经网络的编程框架以及文献报道中，会将梯度下降算法称之为优化器（optimizer）”，这个说法正确吗？

选项：

A、正确

B、错误

答案：【正确】第六单元神经网络调优（三）课后自测题1.单选题：对于测试集上批量归一化的计算方法，下述表述正确的是________：

选项：

A、按照与训练集同样的计算方式

B、不能采用批量归一化

C、通过指数加权平均的方式将计算出来，并应用于的计算中

D、以上都不是

答案：【通过指数加权平均的方式将计算出来，并应用于的计算中】2.单选题：在多元分类任务中，往往采用独热（one-hot）编码的方式，即对于一个有m个样本的训练集而言，若其为c分类问题，则Y将会是一个______的矩阵，这个矩阵中的每一列代表一个样本，且每一列中只有一个元素为1，其他均为0。

选项：

A、

B、

C、

D、

答案：【】3.单选题：在Softmax分类中，一般用到的损失函数为交叉熵的形式（crossentropy），其数学表达式如下：_______

选项：

A、

B、

C、

D、

答案：【】4.单选题：在神经网络的超参数中，以下说法正确的是

选项：

A、神经网络的层数更为重要

B、神经网络中隐含单元的个数更为重要

C、学习率更为重要

D、小批量（mini-batch）的大小更为重要

答案：【学习率更为重要】5.单选题：“协变量偏移问题在神经网络的训练过程中并不罕见，通过批量归一化能够有效地解决该问题”，这个说法正确吗？

选项：

A、正确

B、错误

答案：【正确】6.单选题：“在批量归一化的过程中，增加了新的可学习参数和”，这个说法正确吗？

选项：

A、正确

B、错误

答案：【正确】第七单元卷积神经网络（一）课后自测题1.单选题：若输入一张1024×1024的彩色图像，将其展平为一个列向量，并将每个像素作为一个特征的，则该图像所代表的样本，共有________个特征

选项：

A、1024×1024

B、1024×1024×3

C、1024

D、1024×3

答案：【1024×1024×3】2.单选题：若使用一个f×f的卷积核，对一张n×n×1的图像进行卷积运算。其中，填充为p，步幅为s，则输出的结果为_______。

选项：

A、

B、

C、

D、

答案：【】3.单选题：若使用个的卷积核，对一张的图像进行卷积运算。其中，填充为p，步幅为s，则输出的结果为_______。

选项：

A、

B、

C、

D、

答案：【】4.单选题：关于池化，以下说法正确的是_________

选项：

A、池化就是计算整个输入特征中的最大值，没有其他功能

B、池化就是计算整个输入特征的平均值，没有其他功能

C、池化本身没有需要学习的参数

D、以上都不是

答案：【池化本身没有需要学习的参数】5.单选题：常见的两种增大感受野尺寸的方法，一是通过堆叠网络层数或增大卷积核尺寸，能够线性增加感受野的尺寸；二是通过下采样，即______。

选项：

A、增大卷积步长、进行池化操作

B、减少卷积步长、取消池化操作

C、增大卷积步长、取消池化操作

D、减少卷积步长、进行池化操作

答案：【增大卷积步长、进行池化操作】6.单选题：卷积层中的参数数量少于全连接型神经网络，是因为卷积层的两个优良的特性。第一个是“参数共享”，第二个是_______。

选项：

A、稠密连接

B、稀疏连接

C、自适应梯度下降

D、参数可学习

答案：【稀疏连接】7.单选题：“随着卷积层数量的增加，卷积神经网络的有效感受野面积会不断增大”，这个说法正确吗？

选项：

A、正确

B、错误

答案：【正确】8.单选题：“通俗地讲，卷积神经网络中的每个卷积核，负责提取一种特征”，这种说法对吗？

选项：

A、正确

B、错误

答案：【正确】9.单选题：“同样的卷积神经网络，当输入图像较大时，需要学习的参数自然就多，而当输入图像较小时，需要学习的参数就自动减少”，这种说法对吗？

选项：

A、正确

B、错误

答案：【错误】10.单选题：“深度卷积神经网络的特征提取能力非常强，一个主要原因在于深层神经元的感受野较大，基本上可以覆盖原始输入图像的主要区域”，这个说法对吗？

选项：

A、正确

B、错误

答案：【正确】第八单元卷积神经网络（二）课后自测题1.单选题：与常规卷积相比，随着网络层数的增加，空洞卷积的感受野_______

选项：

A、呈指数级下降

B、呈指数级增长

C、呈线性增长

D、通过学习得到

答案：【呈指数级增长】2.单选题：采用______，可以将较小的特征图映射到更大的空间尺度上，因此经常被用于“上采样（upsampling）”计算。

选项：

A、分离卷积

B、空洞卷积

C、转置卷积

D、以上都不是

答案：【转置卷积】3.单选题：在得到相同输出尺寸的前提下，采用深度分离卷积的参数数量______常规卷积

选项：

A、大于

B、小于

C、等于

D、以上都不是

答案：【小于】4.单选题：当我们想缩小输入特征图的高和宽的时候，可以采用池化操作。但是，如果想维持图像的高和宽，仅仅调整输入特征图的深度（通道数），应该_________

选项：

A、减少卷积核的数量

B、添加分支网络

C、使用1×1卷积

D、使用3×3卷积

答案：【使用1×1卷积】5.单选题：Inception结构的最突出的特点在于采用了_____的思想。

选项：

A、多种不同尺度的卷积核

B、NetworkinNetwork

C、带填充的池化操作

D、相同模块在多个位置复用

答案：【NetworkinNetwork】6.单选题：传统架构下的卷积神经网络，随着网络深度增加到一定程度，会出现准确率不升反降的现象，在解决这个问题的过程中，最为成功的是研究人员所提出的_____网络。

选项：

A、VGG

B、Inception

C、ResNet

D、AlexNet

答案：【ResNet】7.单选题：残差网络中的捷径连接方式，其主要优点在于_______。

选项：

A、从理论上防止了梯度消失现象，使得恒等映射可以较为轻易地通过抑制W和b来获得

B、从理论上防止了过拟合现象，使得恒等映射可以较为轻易地通过抑制W和b来获得

C、简化了网络架构

D、便于瓶颈层的学习

答案：【从理论上防止了梯度消失现象，使得恒等映射可以较为轻易地通过抑制W和b来获得】8.单选题：如今，当我们复现AlexNet时，通常不将原始图像尺寸选择为原文中的224×224×3，而是改为了227×227×3，这样做是因为______

选项：

A、原文中的尺寸与其公开代码中的尺寸不符

B、224是偶数，227是奇数

C、将输入图像尺寸设计为227×227×3，则无需填充和向下取整即可得到55×55的特征图

D、以上都不对

答案：【将输入图像尺寸设计为227×227×3，则无需填充和向下取整即可得到55×55的特征图】9.单选题：VGG网络的一个重要特征是__________

选项：

A、网络名称简洁明了

B、拥有VGG16和VGG19两种架构，非常灵活

C、采用统一的卷积核和池化运算

D、易于训练

答案：【采用统一的卷积核和池化运算】10.多选题：关于迁移学习，以下说法正确的是__________。

选项：

A、对于常见的深度学习任务而言，特别是图像分类任务而言，采用迁移学习通常弊大于利

B、对于常见的深度学习任务而言，特别是图像分类任务而言，采用迁移学习通常利大于弊

C、迁移学习对于自行设计的网络架构而言，并不适用；

D、可以通过迁移学习解决小样本量下的过拟合现象；

答案：【对于常见的深度学习任务而言，特别是图像分类任务而言，采用迁移学习通常利大于弊;可以通过迁移学习解决小样本量下的过拟合现象；】第十二单元ModelZoo及迁移学习课后自测题1.单选题：MobileNets是一类______权重深度卷积神经网络，其大小比许多流行的模型都_______且性能更快。

选项：

A、轻，更大

B、重，更小

C、轻，更小

D、重，更大

答案：【轻，更小】2.单选题：由于它们的尺寸小，MobileNets被认为是可在________上使用的出色的深度学习模型。

选项：

A、移动设备

B、远程服务器

C、本地服务器

D、台式电脑

答案：【移动设备】3.单选题：函数tf.keras.applications.mobilenet.preprocess_input()有什么作用？

选项：

A、从每个像素中减去平均RGB值

B、将图像数据中的像素值缩放到-1和1之间

C、将图像数据中的像素值缩放到0和1之间

D、将每个像素除以平均RGB值

答案：【将图像数据中的像素值缩放到-1和1之间】4.多选题：关于DenseNet，下述说法正确的是：_______

选项：

A、为了保证层与层之间信息流动的最大化，该网络中每一层都与其后的层之间建立跨接关系（当特征图尺寸相同时）

B、若传统的L层卷积神经网络有L个层间连接，则DenseNet就有L(L+1)/2个直接连接。

C、DenseNet与ResNet相比，很重要的一点就是不采用将特征在送入某层之前对其进行加和的方式，而是通过串联将特征合并在一起。

D、DenseNet的密集连接是全连接的一种变形

答案：【为了保证层与层之间信息流动的最大化，该网络中每一层都与其后的层之间建立跨接关系（当特征图尺寸相同时）;若传统的L层卷积神经网络有L个层间连接，则DenseNet就有L(L+1)/2个直接连接。;DenseNet与ResNet相比，很重要的一点就是不采用将特征在送入某层之前对其进行加和的方式，而是通过串联将特征合并在一起。】5.单选题：与其他流行的重量级模型相比，MobileNets的准确性降低幅度相对较小。

选项：

A、正确

B、错误

答案：【正确】6.单选题：“在神经网络架构的设计中，为了省去手动反复调整宽度、深度、分辨率间的放大比例的烦恼，EfficientNet的作者提出一种新的复合放大方式：以一个复合系数ϕ来统一这三者之间的关系。”这个说法正确吗？

选项：

A、正确

B、错误

答案：【正确】7.单选题：传递给MobileNet模型进行推理的图像的预处理方法，应与最初预训练模型所用图像的预处理方法相同。

选项：

A、正确

B、错误

答案：【正确】第十三单元一次性分类与孪生神经网络课后自测题1.单选题：同一个图像输入孪生神经网络的任意一个分支映射得到的特征向量完全相同，这种说法是否正确？

选项：

A、正确

B、错误

答案：【正确】2.单选题：孪生神经网络中分支可以根据实际情况做出调整，可以是处理一维数据的神经网络、或处理二维数据的卷积网络、或者是处理图结构的图卷积神经网络。因此孪生神经网络具有非常广泛的应用范围。这种说法是否正确？

选项：

A、正确

B、错误

答案：【正确】3.单选题：孪生神经网络的优点之一是其适用于样本种类多而每个类别的样本数目少的样本，这种说法正确吗？

选项：

A、正确

B、错误

答案：【正确】4.单选题：在训练孪生神经网络时，训练样本的批次要尽可能的大，这是因为较小的批次可能导致孪生神经网络中对比损失为零，从而引起模型的明显的波动。这种说法正确吗？

选项：

A、正确

B、错误

答案：【正确】5.单选题：在设计孪生神经网络的损失函数时，可以将两个分支输出的低维向量送入逻辑回归单元，即看成是一个二元分类的问题，用于预测低维向量间的差异，这种说法是否正确？

选项：

A、正确

B、错误

答案：【正确】6.单选题：孪生神经网络中双分支映射得到的特征向量维度越大，孪生神经网络的效果越好，这种说法是否正确？

选项：

A、正确

B、错误

答案：【错误】7.单选题：需要我们在每个类别仅有一个训练样本时就做出准确预测的分类问题，就是“一次性分类（one-shotclassification）”任务，这个说法对吗？

选项：

A、正确

B、错误

答案：【正确】8.单选题：“孪生神经网络在训练时的目的是增大不同类别间的相似性差异，减少相同类别间的相似性差异”，这个说法对吗？

选项：

A、正确

B、错误

答案：【正确】第十六单元目标检测（二）课后自测题1.单选题：关于精确率（precision），以下哪个公式是正确的?

选项：

A、Precision=TP/(TP+FP)

B、Precision=TP/(TP+FN)

C、Precision=TN/(TP+FP)

D、Precision=TP/(TN+FN)

答案：【Precision=TP/(TP+FP)】2.单选题：关于召回率（recall），以下哪个公式是正确的？

选项：

A、Recall=TP/(TN+FN)

B、Recall=TP/(TP+FP)

C、Recall=TP/(TP+FN)

D、Recall=TN/(TP+FN)

答案：【Recall=TP/(TP+FN)】3.单选题：以下说法正确的是

选项：

A、在大多数目标检测的算法中，正样本和数量和负样本的数量都是均衡的。

B、在大多数目标检测的算法中，正样本和数量和负样本的数量都是不均衡的。

C、在大多数目标检测的算法中，