【零基础学AI】第 21 章课后练习与答案

第 21 章练习与参考答案

全部数字为原创教学设定,先算再运行。

🌈 关于《AI 零基础 36 讲》课后训练

📚 与正式讲解配套学习

本篇是《AI 零基础 36 讲》的配套课后训练,与对应章节的正式讲解一起使用。整个系列面向初学者,从日常 AI

使用逐步进入编程、模型训练和大模型应用开发。

✍️ 先独立作答,再核对答案

训练围绕本章知识安排概念判断、结果分析或动手任务,并提供参考答案与解释。建议先读完对应的正式文章,再独立作答;遇到困难时回看相关例子,最后核对答案。

💻 代码题请亲手运行

观察程序输出,确认自己能解释结果、发现错误并完成修复。做完一道题,也要弄清答案为什么成立。

练习

  1. 初始输入 [1, 2] 的两个加权和是什么,经过 ReLU 后又是什么?
  2. 输入改成 [2, 1],保持初始参数,最终输出是多少?
  3. 输出偏置从 0.5 改到 1.0,初始输入的预测怎样变化?
  4. 为什么 x * W1 不能代替 x @ W1?本章两种输出各是什么形状?
  5. 用两个隐藏节点计算 ReLU(x) + ReLU(-x),输入为 -3 时输出多少?删掉激活函数后呢?
  6. 输出偏置初始梯度为 3,学习率 0.02,更新后多少?二十次拟合一条记录能否证明新数据可靠?

参考答案

第一题加权和为 [2.5, -0.5],激活后为 [2.5, 0],最终输出 5.5。

第二题第一节点为 2 × 0.5 + 1 × 1 = 2,第二节点为 2 × (-1) + 1 × 0.5 - 0.5 = -2,激活后为 [2, 0],输出 4.5。

第三题预测增加 0.5,变为 6.0。这一改动发生在最后的加法处,不改变两个隐藏节点。

python 复制代码
from examples.network_core import initial_parameters, forward

parameters = initial_parameters()
print("第二题", forward([2, 1], parameters))
parameters["b2"] = parameters["b2"] + 0.5
print("第三题", forward([1, 2], parameters)["output"])

第四题 * 为逐元素乘法,当前广播结果为 (2, 2);@ 完成加权求和,结果为 (2,)。本章形状检查与手算应一起使用,因为方阵转置后可能形状相同但含义错误。

第五题得到 3,移除激活后为零。这个网络由人工指定权重,只展示表达能力,没有训练证据。

第六题为 0.5 - 0.02 × 3 = 0.44。仅一条训练记录的低损失无法证明新样本可靠,应保留验证和测试数据评估。

python 复制代码
from examples.network_core import X, TARGET, initial_parameters, gradients, update

parameters = initial_parameters()
new_parameters = update(parameters, gradients(X, TARGET, parameters), rate=0.02)
print("输出偏置", new_parameters["b2"])
assert abs(float(new_parameters["b2"]) - 0.44) < 1e-12

如果想检查一个梯度,可从差分对照表中挑出 W1 的第一项。解析值为 6,数值差分约为 6,两者的小差异来自浮点计算。

相关推荐
AI算力2 小时前
让安全驾驶有“AI”相伴|腾视科技DMS视频监控一体机,守护每一次出行
人工智能·科技·ai·车载终端·ai算力·车载智能终端·车载dvr
泯泷2 小时前
超越基准:Claude Opus 4.5 的 4 个惊人洞察
人工智能
果果软件3 小时前
2026 后台管理系统选型:若依、JeecgBoot、芋道、NocoBase 和 GewuMind Boot 怎么选?
java·人工智能·后端·ai·开源
Csvn3 小时前
刚开始用 WorkBuddy,第一步该做什么?
人工智能
一水鉴天3 小时前
同一与唯一:AppBus 外壳与 DevOps 内核 之1 20261121(元宝)
人工智能·机器学习
Wellijohn3 小时前
一个 Android 老兵的十年开源路:从 167 star 的滑动控件,到本地优先的 AI Agent
android·人工智能·开源
ZONGYUAN-ROOT3 小时前
【API配额】API 配额监控告警不生效?用 Python 监控读数变化量,抓住静态阈值漏掉的「假重置」
人工智能
Wellijohn4 小时前
我把公司内部的 12 个 CRUD 接口交给了 AI Agent,然后省出了两周
人工智能·python·mcp
伞伞悦读5 小时前
【第92期】逻辑回归的分数概率与阈值的实验与排查
人工智能·python·深度学习·机器学习