Question 1

Partiellement correct

Note de 0,50 sur 1,00

To which of these tasks would you apply a many-to-one RNN architecture? (Check all that apply).

A. Machine Translation (input a piece of text and the output is a translated text)

B. Gender recognition from speech

C. Image classication

D. Sentiment classication (input a piece of text and output a 0/1 to denote positive or negative

sentiment)

Votre r ponse est partiellement correcte.

Vous en avez s lectionn correctement 1.

Les r ponses correctes sont :

Sentiment classication (input a piece of text and output a 0/1 to denote positive or negative sentiment),

Gender recognition from speech

Question 2

Partiellement correct

Note de 0,33 sur 1,00

Consider this RNN: This specic type of architecture is appropriate when:

A. T = Ty

B. T > T

C. T = T =1

T < T

Votre r ponse est partiellement correcte.

Vous en avez s lectionn correctement 0.

La r ponse correcte est :

T = Ty

Question 3

Partiellement correct

Note de 0,67 sur 1,00

You have nished training a language model RNN and are using it to sample random sentences, as

follows:

What are you doing at each time step t:

(1) The highest probability word of the time step t as

is picked from output

probabilities, (2) the ground truth word from the training set is passed to the next step t+1.

B. (1) Randomly sample a chosen word according to the given output probabilties of the RNN for the

time step

, (2) the selected word is passed to the next step t+1.

(1) Use the probabilities given by the RNN to sample a word for the time step

, (2) the

ground truth word from the training set is passed to the next step t+1.

D. (1) Pick the highest probability from the output probabilities of the RNN for the time step

, (2) the selected word is passed to the next step t+1.

Votre r ponse est partiellement correcte.

Vous en avez s lectionn correctement 0.

La r ponse correcte est :

(1) Randomly sample a chosen word according to the given output probabilties of the RNN for the time step

, (2) the selected word is passed to the next step t+1.

Question 4

Incorrect

Note de 0,00 sur 1,00

Which of these is the most likely cause of problems for RNNs:

A. Exploding gradients.

B. Vanishing gradients.

Votre r ponse est incorrecte.

Les r ponses correctes sont :

Exploding gradients.,

Vanishing gradients.,

Dicult to process longer sequences.

Question 5

Incorrect

Note de 0,00 sur 1,00

The Gated Recurrent Units (GRU) helps avoiding vanishing/exploding gradients

Where:

Check all that apply.

A. The nal output state h is a combination of h and (W x +U (r h )+b ) via z and it is the

h t

representation of the hidden state h

t -1

B. Ce choix a t supprim apr s le d but de la tentative

C. The nal output state h is a combination of h and (W x +U (r h )+b ) via z and it is the

h t

representation of the input x

D. Ce choix a t supprim apr s le d but de la tentative

Votre r ponse est incorrecte.

Les r ponses correctes sont :

The nal output state h is a combination of h and (W x +U (r h )+b ) via z and it is the

h t

representation of the input x ,

The reset gate r is used to decide how much of the past information to forget.

Question 6

Partiellement correct

Note de 0,50 sur 1,00

We talked about parameter sharing as a benet of using convolutional networks. Which of the

following statements about parameter sharing in ConvNets are true? (Check all that apply.)

It allows a feature detector to be used in multiple locations throughout the whole input image/input

volume.

It allows gradient descent to set many of the parameters to zero

C. It allows parameters learned for one task to be shared even for a dierent task.

D. It reduces the total number of parameters

Votre r ponse est partiellement correcte.

Vous en avez s lectionn correctement 0.

Les r ponses correctes sont :

It reduces the total number of parameters,

It allows a feature detector to be used in multiple locations throughout the whole input image/input volume.

Question 7

Partiellement correct

Note de 0,50 sur 1,00

Which of the following do you typically see in a ConvNet? (Check all that apply.)

A. Fully-Connected layers in the last few layers.

B. Multiple CONV layers followed by a POOLING layer.

C. Fully-Connected layers in the rst few layers

Multiple POOLING layers followed by a CONV layer.

Votre r ponse est partiellement correcte.

Vous en avez s lectionn correctement 1.

Les r ponses correctes sont :

Multiple CONV layers followed by a POOLING layer.,

Fully-Connected layers in the last few layers.

Question 8

Correct

Note de 1,00 sur 1,00

In order to be able to build very deep networks, we usually only use pooling layers to downsize the

height/width of the activation volumes while convolutions are used with valid padding. Otherwise, we

would downsize the input of the model too quickly.

A. Ce choix a t supprim apr s le d but de la tentative

B. True

C. Ce choix a t supprim apr s le d but de la tentative

D. False

Votre r ponse est correcte.

La r ponse correcte est :

False

Question 9

Incorrect

Note de 0,00 sur 1,00

Suppose you have an input volume of dimension 64x64x32. How many parameters would a single 1x1

convolutional lter have (including the bias)?

A. 33

B. 4097

Votre r ponse est incorrecte.

La r ponse correcte est :

Question 10

Incorrect

Note de 0,00 sur 1,00

You have an input volume that is 15x15x8, and pad it using pad=2. What is the dimension of the

resulting volume (after padding)?

A. 19x19x16

B. 17x17x8

C. 19x19x8

D. 17x17x16

Votre r ponse est incorrecte.

La r ponse correcte est :

19x19x8

Question 11

Partiellement correct

Note de 0,50 sur 1,00

Which of these statements about mini-batch gradient descent do you agree with?

A. Ce choix a t supprim apr s le d but de la tentative

B. One iteration of mini-batch gradient descent (computing on a single mini-batch) is faster than one

iteration of batch gradient descent.

You should implement mini-batch gradient descent with an explicit for-loop over dierent mini-

batches, so that the algorithm processes mini-batches at each iteration.

D. Training one epoch (one pass through the training set) using mini-batch gradient descent is faster

than training one epoch using batch

Votre r ponse est partiellement correcte.

Vous en avez s lectionn correctement 1.

Les r ponses correctes sont :

You should implement mini-batch gradient descent with an explicit for-loop over dierent mini-batches, so

that the algorithm processes mini-batches at each iteration., One iteration of mini-batch gradient descent

(computing on a single mini-batch) is faster than one iteration of batch gradient descent.

Question 12

Incorrect

Note de 0,00 sur 1,00

A. Faux

B. Vrai

Votre r ponse est incorrecte.

La r ponse correcte est :

Faux

Question 13

Incorrect

Note de 0,00 sur 1,00

16384

B. 16385

C. 1025

D. 1024

Votre r ponse est incorrecte.

La r ponse correcte est :

16385

Question 14

Correct

Note de 1,00 sur 1,00

Il permet d'utiliser un d tecteur de caract ristiques plusieurs endroits sur l'ensemble de

l'image d'entr e/du volume d'entr e.

Il permet la descente de gradient de mettre de nombreux param tres z ro, rendant ainsi les

connexions parcimonieuses.

Il r duit le nombre total de param tres, r duisant ainsi le sur-apprentissage

Il permet de partager les param tres appris pour une t che pour di rente applications

(apprentissage par transfert).

Votre r ponse est correcte.

Les r ponses correctes sont :

Il r duit le nombre total de param tres, r duisant ainsi le sur-apprentissage,

Il permet d'utiliser un d tecteur de caract ristiques plusieurs endroits sur l'ensemble de l'image

d'entr e/du volume d'entr e.

Question 15

Incorrect

Note de 0,00 sur 1,00

La segmentation s mantique est :

A. La t che qui consiste tiqueter toutes les r gions de limage.

B. La t che qui consiste g n rer

des cadres de d limitation pour les objets composants l'image.

C. La t che qui consiste attribuer une cat gorie chaque image dentr e

D. La t che qui consiste produire une tiquette pour chaque pixel de limage.

Votre r ponse est incorrecte.

Les r ponses correctes sont :

La t che qui consiste produire une tiquette pour chaque pixel de limage.,

La t che qui consiste tiqueter toutes les r gions de limage.

Question 16

Correct

Note de 1,00 sur 1,00

La v rication faciale consiste comparer une nouvelle image avec le visage d'une personne, tandis que

la reconnaissance faciale n cessite de comparer une nouvelle image avec les visages de K personnes.

A. Vrai

B. Faux

Votre r ponse est correcte.

La r ponse correcte est :

Vrai

Question 17

Correct

Note de 1,00 sur 1,00

Vous entra nez un ConvNet sur un ensemble de donn es avec 100 classes di rentes. Vous vous

demandez si vous pouvez trouver une unit cach e qui r agit fortement aux images de chats. (C'est-

-dire un neurone de sorte que, de toutes les images d'entr e/d'entra nement qui activent fortement ce

neurone.) Vous tes plus susceptible de trouver cette unit dans la couche 4 du r seau que dans la

couche 1.

A. Vrai

B. Faux

Votre r ponse est correcte.

La r ponse correcte est :

Vrai

Question 18

Partiellement correct

Note de 0,67 sur 1,00

Les principaux types d'algorithme de reconnaissance d'objet sont:

A. Classication d'image

B. D tection de sc ne

C. Classication avec localisation

D. D tection

Votre r ponse est partiellement correcte.

Vous en avez s lectionn correctement 2.

Les r ponses correctes sont :

Classication d'image,

Classication avec localisation,

D tection

Question 19

Partiellement correct

Note de 0,50 sur 1,00

La fonction d'activation la plus appropri e pour les couches cach es et la couche sup rieure sont :

Tanh

B. Softmax

C. Sigmoid

D. ReLu

Votre r ponse est partiellement correcte.

Vous en avez s lectionn correctement 1.

Les r ponses correctes sont :

ReLu,

Softmax

Question 20

Incorrect

Note de 0,00 sur 1,00

Lorsqu'un ensemble de donn es ENTIER est transmis vers l'avant et vers l'arri re via le r seau de

neurones UNE SEULE FOIS.

A. Un batch

B. Une it ration

C. Une "epoch"

Votre r ponse est incorrecte.

La r ponse correcte est :

Un batch

Test Evaluation #1

Aller &

Test Evaluation #3

RNN Applications & Challenges Exam Questions