吳恩達深度學習課程課後習題（第一課第三周）

本魚寫這個系列文章的初衷是為了大家更好的交流和學習，請不要將此答案用於coursera刷分等其他用途，否則後果自負。今天發的是第一課第三周的課後習題。

在吳恩達老師的課程約定中，方括弧上標表示層，圓括弧上標表示樣本，數字下標表示某個神經元。在訓練集X中，每一列代表一個樣本。答案ACDF

tanh激活函數是將sigmoid函數向下移動，它有類似數據中心化的效果，使得數據的平均值接近0，從而讓下一層的學習更方便。因此，吳恩達老師說，他現在幾乎不用sigmoid，因為tanh幾乎在任何時候，效果都更好。答案True

答案B

二分分類，輸出結果是0或者1，用作輸出層，只有同時滿足這三個條件時，sigmoid函數才會好過別的激活函數。答案C

keepdims參數，代表是否保持其維度信息。將一個4行3列的矩陣橫向相加，得到4行1列的矩陣。答案B

此題考查隨機初始化權重值（w）的重要性。因為如果把所有的w都初始化為0，根據對稱性原理，第一隱層上的所有節點做的計算和該層上所有的其他節點都是一樣的，無論迭代多少次，每次都在計算同樣的函數，無法收斂。答案A

對logistic回歸，可以將w初始化為0，因為它的輸出層只有一個節點。答案False

如果w很大，根據z=wx+b，z也會很大，那麼tanh函數值也會很大，在這些地方，tanh函數的斜率很小，接近與0，會導致梯度下降收斂很慢。所以一般初始化w時會再乘上一個比較小的係數。答案A

答案BC,EH

答案是C

推薦閱讀：