你对深度学习了解多少?

最近你听到了很多关于深度学习的说法。但它到底是如何工作的呢?

做这个测试——只有10个问题——看看你对深度学习了解多少!

问题1

什么样的表比较模型预测的分类与实际的类标签?

混乱的表
混淆矩阵
预测图
剩余的情节

问题2

超参数调谐是做什么的?

优化参数以提高学习算法的性能

指定表示线性分类器的超平面

扩展模型的参数集以提高性能

进行参数调优，导致性能下降

问题3

过度拟合是什么?

当一个预测模型是准确的，但运行时间太长时

当模型学习到训练数据中不能很好地泛化到新数据集的细节时

当你将一个强大的深度学习算法应用到一个简单的机器学习问题时

当执行超参数调优时，性能会下降

问题4

以下哪一个是一种类型的目标检测任务，其中图像的每个像素可以被分类到特定的类?

回归学习

序列的分类

像素分割

语义分割

问题5

回归模型的作用是什么?

预测数值响应，如温度、日期或时间的变化

将数据分配给预定义的类别

通过基于相似性将响应聚类到组中来发现模式

比较预测数据分类和数据中的实际类标签

问题6

当数据没有被标记时，什么类型的机器学习能在数据中找到模式?

数据的预言

监督式学习

无监督学习

监管逻辑

问题7

下列哪一种网络通常与合成图像生成相关联?

长短期记忆网络

YOLO-v3网络

生成对抗的网络

超分辨率网络

问题8

下面哪个描述了将一个预先训练好的神经网络再训练以对一组新的图像进行分类的过程?

机器学习

转移学习

回归学习

预测

时间序列数据图绘制了3条数据线

问题9

以下哪一个是通常用于分类时间序列数据的深度学习架构?

长短期记忆网络

关注网络

暹罗网络

Mini-batch算法

问题10

验证数据集用于什么?

测试模型是否超拟合数据

来衡量一个模型的复杂性

评估训练完成后的模型拟合情况

测试模型在训练过程中的泛化能力