大学MOOC 人工智能实践：Tensorflow笔记(北京大学)1002536002 最新慕课完整章节测试答案

第一讲 神经网络计算

1、单选题：
该张量的维度是 ‍[[ 1.3688478   1.0125661 ]‍ [ 0.17475659 -0.02224463]]‍‏‍
选项：
A: （2，1）
B: （2，2）
C: （1，2）
D: （4，1）
答案: 【 （2，2）】

2、多选题：
‌人工智能主流的三个学派是什么？‌
选项：
A: 行为主义    
B: 计算主义
C: 连接主义
D: 符号主义
答案: 【 行为主义    ;
连接主义;
符号主义】

3、判断题：
‍以下语句实现了损失函数loss 分别对可训练参数w1和b1求偏导数，并将计算结果保存到grads列表中。‍‍‍‍with tf.GradientTape() as tape:  ‍    前向传播过程计算y‍    计算总loss‍grads = tape.gradient(loss, [ w1, b1 ])‍‍
选项：
A: 正确
B: 错误
答案: 【 正确】

4、判断题：
‍设计神经网络的步骤包括：准备数据、搭建网络、优化参数、应用网络。​
选项：
A: 正确
B: 错误
答案: 【 正确】

5、判断题：
‌神经网络可以让计算机具备感性思维，能实现图像识别、趋势预测。‍
选项：
A: 正确
B: 错误
答案: 【 正确】

第二讲 神经网络优化

1、单选题：
‏在某个三分类问题中，已知真实标签y_=(0, 0, 1)，神经网络预测值分别为y1=(0.51, 0.32, 0.17)，y2=(0.22, 0.73, 0.05)，y3=(0.15, 0.17, 0.68)，y4=(0.04, 0.03, 0.93)，哪个预测值更接近真实标签？ ‌
选项：
A: y1
B: y2
C: y3
D: y4
答案: 【 y4】

2、单选题：
‏tf.nn.relu([[-2., 1.], [0., 3.]])的计算结果是哪个？‍
选项：
A: tf.Tensor([ -2.  1.  0.  3.], shape=(4,), dtype=float32)
B: tf.Tensor([ 0.  1.  0.  3.], shape=(4,), dtype=float32)
C: tf.Tensor([ [-2.  1.] [0.  3.] ], shape=(2,2), dtype=float32)
D: tf.Tensor([ [0.  1.] [0.  3.] ], shape=(2,2), dtype=float32)
答案: 【 tf.Tensor([ [0.  1.] [0.  3.] ], shape