1、以下哪一项是正确的？(检查所有适用的) (A,D,F,G)
A.  a[2] 表示第二层的激活函数值向量。
B. X 是一个矩阵, 其中每一行都是一个训练示例。
C. a[2] (12) 表示第二训练样本在第十二层的激活函数值向量。
D. X 是一个矩阵, 其中每一列都是一个训练样本。
E. a4 [2] 是第二层的第4个训练样本的激活函数输出值
F. a[2] (12) 表示第十二训练样本在第二层激活函数值向量。
G. a4[2]  是第二层第四个神经元的激活函数输出值
-----------------------------------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------------------------------

import numpy as np

A=np.random.randn(4, 3)

B=np.sum(A, axis=1, keepdims=True)   # axis=1时，按照行计算； axis=0时，按照列计算

print("A="+str(A))

print("B="+str(B))

result：

A=[[-0.02149271 -1.0911196  -0.63240592]

 [-0.11458854 -0.18210595  0.82210656]

 [ 0.39105364 -0.97201463 -0.71820102]

 [ 0.30185741 -0.50767254 -0.73277816]]

B=[[-1.74501822]

 [ 0.52541207]

 [-1.29916201]

 [-0.93859329]]

-----------------------------------------------------------------------------------------------------------------------

------------------------------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------------------------------

答案仅供参考

课程一(Neural Networks and Deep Learning)，第三周（Shallow neural networks）—— 2、Practice Questions的更多相关文章

  1. 吴恩达《深度学习》-第一门课 (Neural Networks and Deep Learning)-第三周：浅层神经网络(Shallow neural networks) -课程笔记

    第三周:浅层神经网络(Shallow neural networks) 3.1 神经网络概述(Neural Network Overview) 使用符号$ ^{[

  2. 【面向代码】学习 Deep Learning（三）Convolution Neural Network(CNN)

    ========================================================================================== 最近一直在看Dee ...

  3. 课程一(Neural Networks and Deep Learning)，第二周（Basics of Neural Network programming）—— 4、Logistic Regression with a Neural Network mindset

    Logistic Regression with a Neural Network mindset Welcome to the first (required) programming exerci ...

  4. 课程一(Neural Networks and Deep Learning)，第一周（Introduction to Deep Learning）—— 2、10个测验题

    1.What does the analogy “AI is the new electricity” refer to?  (B) A. Through the “smart grid”, AI i ...

  5. 课程一(Neural Networks and Deep Learning)，第一周（Introduction to Deep Learning）—— 1、经常提及的问题

    Frequently Asked Questions Congratulations to be part of the first class of the Deep Learning Specia ...

  6. 课程一(Neural Networks and Deep Learning)，第二周（Basics of Neural Network programming）—— 3、Python Basics with numpy (optional)

    Python Basics with numpy (optional)Welcome to your first (Optional) programming exercise of the deep ...

  7. 课程一(Neural Networks and Deep Learning)，第一周（Introduction to Deep Learning）—— 0、学习目标

    1. Understand the major trends driving the rise of deep learning.2. Be able to explain how deep lear ...

  8. 课程一(Neural Networks and Deep Learning)，第二周（Basics of Neural Network programming）—— 0、学习目标

    1. Build a logistic regression model, structured as a shallow neural network2. Implement the main st ...

  9. 课程一(Neural Networks and Deep Learning)，第二周（Basics of Neural Network programming）—— 2、编程作业常见问题与答案（Programming Assignment FAQ）

    Please note that when you are working on the programming exercise you will find comments that say &q ...

  10. 课程一(Neural Networks and Deep Learning)，第二周（Basics of Neural Network programming）—— 1、10个测验题（Neural Network Basics）

    --------------------------------------------------中文翻译---------------------------------------------- ...

随机推荐

  1. ZOJ 3156 Taxi (二分 + 二分匹配)

    题意:给定 n 个人坐标, m 辆车的坐标,还有人的速度,要求每个人要进一辆不同的车,问你所有都进车的最短时间是多少. 析:首先二分时间 mid,很明显就是最后那个人进车的时间,然后如果把第 i 个人 ...

  2. 强大的DataGrid组件[1]

    说明:DataGrid组件是Silverlight数据组件中最为常用并且是功能最为强大的数据组件.因此,对开发者而言,深入了解其特性是十分有必要的.本文先介绍该组件的基本特性,接着通过几个简单实例来说 ...

  3. 延时、输入输出接口P0~P3

    1.寄存器 为了知道延时程序是如何工作的,我们必需首先了解延时程序中出现的一些符号,就从R1开始,R1被称之为工作寄存器.什么是工作寄存器呢?让我们从现实生活中来找找答案.如果出一道数学题:123+5 ...

  4. XCode中安装cocoapods步骤

    Ruby是一种功能强大的面向对象的脚本语言 Gem是一个管理Ruby库和程序的标准包,它通过Ruby Gem(如 http://rubygems.org/ )源来查找.安装.升级和卸载软件包,非常的便 ...

  5. OpenCV人脸特效制作

    https://blog.csdn.net/zxc024000/article/details/50456917 https://blog.csdn.net/huanghuangjin/article ...

  6. Java理论学时第二节。课后作业。

    枚举不属于原始数据类型,它的每个具体值都引用一个特定的对象,相同的值则引用同一个对象. 可以使用“==”和equals()方法直接比对枚举变量的值,换句话说,对于枚举类型的变量,“==”和equals ...

  7. vmtools是灰色不可用的

  8. 软件测试实践平台（Mooctest）FAQ

    0. 背景 我们在<软件测试技术>课程使用 MOOCTEST (mooctest.net) 作为课程的实践教学平台. 在教学过程中学生们遇到了一些问题,本文将一一总结. 注意:本文在解决问 ...

  9. 使用PerfView监测.NET程序性能（三）：分组

    在上一篇博客中,我们通过Perfview帮助文件中自带的代码来简单使用了Perfview,了解了基本操作.现在来看看Perfview中的分组操作(Grouping).分组功能都旨将记录到的各种函数调用 ...

  10. Android 四大组件之“ BroadcastReceiver ”

    前言 Android四大组件重要性已经不言而喻了,今天谈谈的是Android中的广播机制.在我们上学的时候,每个班级的教室里都会装有一个喇叭,这些喇叭都是接入到学校的广播室的,一旦有什么重要的通知,就 ...