作业帖 | 百度深度学习集训营

项目

数据集

课程

比赛

模型库

活动

论坛

访问飞桨官网

项目

数据集

课程

比赛

模型库

活动

论坛

访问飞桨官网

DJ星尘发布于2019-12

百度深度学习集训营已经正式开营，每个阶段的作业都将有各自的奖励，欢迎大家学习~

PS：如遇帖子过期、审核不通过的情况，请先复制内容保存在word文档，然后根据提示，完成个人实名验证，刷新后重新粘贴复制的内容，即可提交~

欢迎大家报名参加~

1月9日作业：

作业9-1：在第二章中学习过如何设置学习率衰减，这里建议使用分段衰减的方式，衰减系数为0.1，根据ResNet目前的训练情况，应该在训练到多少步的时候设置衰减合适？请设置好学习率衰减方式，在眼疾识别数据集iChallenge-PM上重新训练ResNet模型。

作业9-1奖励：在作业中随机各抽取5名同学送出飞桨本+数据线+飞桨贴纸

回复帖子形式：作业9-1：XXX

抽奖作业截止时间：2020年1月13日中午12点之前

作业9-2奖励：在作业中随机各抽取5名同学送出飞桨本+数据线+飞桨贴纸

回复帖子形式：作业9-2：XXX

抽奖作业截止时间：2020年1月13日中午12点之前

1月7日作业：

作业8：如果将LeNet模型中的中间层的激活函数Sigmoid换成ReLU，在眼底筛查数据集上将会得到什么样的结果？Loss是否能收敛，ReLU和Sigmoid之间的区别是引起结果不同的原因吗？请发表你的观点

作业8奖励：在作业中随机各抽取5名同学送出飞桨本+数据线+飞桨贴纸

回复帖子形式：作业8：XXX

获奖同学：#820 thunder95、#819 你还说不想我吗、 #818 百度用户#0762194095、#817 呵赫 he、#816 星光1dl

1月2日作业

作业7-1 计算卷积中一共有多少次乘法和加法操作

输入数据形状是[10, 3, 224, 224]，卷积核kh = kw = 3，输出通道数为64，步幅stride=1，填充ph = pw =1

完成这样一个卷积，一共需要做多少次乘法和加法操作？

提示：先看输出一个像素点需要做多少次乘法和加法操作，然后再计算总共需要的操作次数

提交方式：请回复乘法和加法操作的次数，例如：乘法1000，加法1000

作业7-1奖励：抽取5人赢得飞桨定制本+数据线，截止时间2020年1月6日中午12点之前

回复帖子形式：作业7-1：XXX

作业7-2奖励：从正确答案中抽取5人获得飞桨定制本+50元京东卡，截止时间2020年1月6日中午12点之前

12月31日作业

作业6-1：

1.将普通神经网络模型的每层输出打印，观察内容
2.将分类准确率的指标用PLT库画图表示
3.通过分类准确率，判断以采用不同损失函数训练模型的效果优劣
4.作图比较：随着训练进行，模型在训练集和测试集上的Loss曲线
5.调节正则化权重，观察4的作图曲线的变化，并分析原因
作业6-1奖励：抽取5人赢得飞桨定制本+数据线，回复帖子形式：作业6-1：XXX

作业6-2：

正确运行AI Studio《百度架构师手把手教深度学习》课程里面的作业3 的极简版代码，分析训练过程中可能出现的问题或值得优化的地方，通过以下几点优化：

（1）样本：数据增强的方法

（2）假设：改进网络模型

（2）损失：尝试各种Loss

（2）优化：尝试各种优化器和学习率

目标：尽可能使模型在mnist测试集上的分类准确率最高

提交实现最高分类准确率的代码和模型，我们筛选最优结果前10名进行评奖

作业6-2奖励：飞桨定制本+50元京东卡

12月25日作业

12月23日作业

作业4-1：在AI studio上运行作业2，用深度学习完成房价预测模型

作业4-1奖励：飞桨定制本+ 《深度学习导论与应用实践》教材，选取第2、3、23、123、223、323…名同学送出奖品

作业4-2：回复下面问题，将答案回复帖子下方：

通过Python、深度学习框架，不同方法写房价预测，Python编写的模型和基于飞桨编写的模型在哪些方面存在异同？例如程序结构，编写难易度，模型的预测效果，训练的耗时等等？

回复帖子形式：作业4-2:XXX

作业4-2奖励：在12月27日（本周五）中午12点前提交的作业中，我们选出最优前五名，送出百度定制数据线+《深度学习导论与应用实践》教材

12月17日作业

完成下面两个问题，并将答案回复在帖子下面，回帖形式：作业3-1（1）XX（2）XX

作业奖励：在2019年12月20日中午12点之前提交，随机抽取5名同学进行点评，礼品是本+数据线

12月12日作业

获奖者：第12名：飞天雄者

12月10日作业
作业1-1：在AI Studio平台上https://aistudio.baidu.com/aistudio/education/group/info/888 跑通房价预测案例

作业1-1奖励：最先完成作业的前3名，以及第6名、66名、166名、266名、366名、466名、566名、666名的同学均可获得飞桨定制大礼包：飞桨帽子、飞桨数据线、飞桨定制logo笔

作业1-1的获奖者如图：

作业1-2：完成下面两个问题，并将答案发布在帖子下面
①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？
②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？
作业1-2奖励：回复帖子且点赞top5，获得《深度学习导论与应用实践》教材+飞桨定制本

点赞Top5获奖者：1.飞天雄者 2.God_s_apple 3.177*******62 4.学痞龙 5.故乡237、qq526557820

作业截止时间2020年1月10日，再此之前完成，才有资格参加最终Mac大奖评选

报名流程：

1.加入QQ群：726887660，班主任会在QQ群里进行学习资料、答疑、奖品等活动

2.点此链接，加入课程报名并实践：https://aistudio.baidu.com/aistudio/course/introduce/888

温馨提示：课程的录播会在3个工作日内上传到AI studio《百度架构师手把手教深度学习》课程上

全部评论(953)

天

天枰家庭指南

#422 回复于2019-12

作业3-1

（1）import numpy as np

%matplotlib inline

import matplotlib.pyplot as plt

import matplotlib.patches as patches

#设置图片大小

plt.figure(figsize=(5, 5))

# x是1维数组，数组大小是从-10. 到10.的实数，每隔0.1取一个点

x = np.arange(-10, 10, 0.1)

# 计算 tanh函数

s = (np.exp(x)-np.exp(-x)) / (np.exp(x) + np.exp(- x))

######################################################### # 以下部分为画图程序 # 画出函数曲线

plt.plot(x, s, color='r')

# 添加文字说明

plt.text(-5., 0.9, r'$y=\tanh(x)$', fontsize=13)

# 设置坐标轴格式

currentAxis=plt.gca() currentAxis.xaxis.set_label_text('x', fontsize=15)

currentAxis.yaxis.set_label_text('y', fontsize=15)

plt.show()

（2）import numpy as np

p=np.random.randn(10,10)

q=(p>0)

np.sum(q)

家旭

#423 回复于2019-12

作业3-1（1）

# coding=UTF-8
import numpy as np
import matplotlib.pyplot as plt

# 使用numpy计算tanh激活函数
x = np.linspace(-10, 10, 100, endpoint=True)
a = np.e ** x
b = np.e ** (-x)
y = (a - b) / (a + b)
#解决中文显示问题
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
plt.plot(x, y, 'r-', label='tanh曲线')
plt.title('tanh曲线')
plt.legend()
plt.show()

AL1654981706

#424 回复于2019-12

家旭

#425 回复于2019-12

作业3-1（2）

# 统计随机生成矩阵中有多少个元素大于0
import numpy as np
p = np.random.randn(10, 10)
# 查看矩阵
print('p=', p)
# 1、作业提示方式
# p每个元素释放大于0的标识矩阵
q = (p > 0)
# 查看标识矩阵
print('q=', q)
# 标识矩阵为真(1)的元素之和
num = np.sum(q)
print('大于0的个数={}'.format(num))

# 2、统计非0数
# 1代表True，0代表False
print('大于0的个数={}'.format(np.count_nonzero(p > 0)))

# 3、引申判断
print('是否存在大于0的数={}'.format(np.any(p > 0)))

天

天枰家庭指南

#426 回复于2019-12

作业1-2：完成下面两个问题，并将答案发布在帖子下面
①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

生活中最想用监督学习框架来解决的就是股价预测，假设每天的个股股价都是一个函数，我们关心的是开盘价和收盘价。参数就是历史的股价，包括开盘收盘价，n日均价，指数价格，市场当日和前一交易日新闻

优化目标就是预测股价更真实股价一致

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

AI是个工具，他可以被应用于众多行业之中，所以市场层面来说是非常巨大的。而目前应用的领域还比较局限，还在早起，市场总体人才不多，所以会懂得交叉学科的AI工程师会很吃香

smile奋斗520

#427 回复于2019-12

作业 3-1

作业 3-2

飞fig

#428 回复于2019-12

作业3-1：

import numpy as np
from matplotlib import pyplot as plt
x = np.arange(-10.,10.,0.1)
y = (np.exp(x) - np.exp(-x))/(np.exp(x) + np.exp(-x))
plt.plot(x, y)
plt.show()

3-2：

import numpy as np
p = np.random.randn(10,10)
print(p.shape)
q = p[p>0]
print(type(q))
print(p)
count = q.size
print(count)

飞fig

#429 回复于2019-12

3-2 补充：

import numpy as np
p = np.random.randn(10,10)
print(p.shape)
q = (p>0)
print(type(q))
# print(q)
count = q[q==True].size
print(count)

家旭

#430 回复于2019-12

作业1-2（1）

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

超市商品销量可以监督学习框架来解决，假设商品价格、促销力度、日期、月份、季节、天气等因素和商品销量存着某种未知关系，
参数是模型函数的系数，优化目标是商品实际销量和预测销量的均方误差。

作业1-2（2）
②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

随着电子商务、工业制造、以及整个现在社会的信息化日趋激烈，大数据时代如期到来，
随着计算机性能的跃升、并行计算的成熟、甚至量子计算机的商业化即将到来，
在海量数据业务和优越性能硬件的推动下，起源上个世纪中叶的机器学习理论再次揭起热潮，
在很多领域都已经取得了丰硕成果，并且未来无限期待。

在劳动力成本日趋膨胀下，很多机械的劳动在很大程度上可以被人工智能技术所取代，大大节省
劳动成本；

在物联网的背景下，机器学习可以根据海量数据流进行分析、预判，监控和告警，助力工业发展，
实现工业智造，并为智慧城市提供了超级大脑；

时代蓬勃发展，个性化需求日趋极致，人工智能技术深度挖掘数据价值可以更加精准的提供个性化定制需要，

总之，人工智能时代已经到来，AI无限可期！

qthui6

#431 回复于2019-12

作业3-1

（1）

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(-10,10,0.1)
y = (1-np.exp(-2*x))/(1+np.exp(-2*x))

plt.figure(figsize=(6,4))
plt.plot(x,y,'b')
plt.text(-5., 0.9, r'$y=\tanh(x)$', fontsize=13)

Axis=plt.gca()
Axis.xaxis.set_label_text('x', fontsize=15)
Axis.yaxis.set_label_text('y', fontsize=15)
plt.show()

（2）

import numpy as np
p = np.random.randn(10, 10)
q = (p>0)
print(q.sum())

风

风之倾慕

#432 回复于2019-12

作业3-1

（1）

# coding=UTF-8
import numpy as np
import matplotlib.pyplot as plt

def tanh(x):
s1 = np.exp(x) - np.exp(-x)
s2 = np.exp(x) + np.exp(-x)
s = s1 / s2
return s

x = np.arange(-10,10,0.1)
s =tanh(x)

plt.figure(figsize=(7,4))
plt.plot(x,s,'b')
plt.text(-5., 0.9, r'$y=\tanh(x)$', fontsize=12)

Axis=plt.gca()
Axis.xaxis.set_label_text('x', fontsize=12)
Axis.yaxis.set_label_text('y', fontsize=12)
plt.show()

（2）

import numpy as np
np.random.seed(10)
p = np.random.randn(10,10)
q = p>0

num = np.sum(q)
print(num)

我的绿豆nice

#433 回复于2019-12

作业3-1

（1）

import numpy as np
%matplotlib inline
import matplotlib.pyplot as plt
import matplotlib.patches as patches

x= np.arange(-5,5,0.1)
tanh= (np.exp(x)-np.exp(-x))/(np.exp(x)+np.exp(-x))
plt.plot(x,tanh)
plt.show()

（2）

import numpy as np

p = np.random.randn(10, 10)
q=np.extract(np.greater(p,0), p)
#print p
#print q
print('p中大于0的元素个数为:{}个'.format(q.size))

SorosMatt

#434 回复于2019-12

作业3-1

（1）

（2）

SpellXing

#435 回复于2019-12

作业3-1：

（1) 使用numpy计算tanh激活函数

（2）统计随机生成矩阵中有多少个元素大于0

想

想清楚再决定

#436 回复于2019-12

作业3-1：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(-10, 10, 0.1)
y = (np.exp(x) - np.exp(-x)) / (np.exp(x) + np.exp(-x))

plt.plot(x, y)
plt.show()

作业3-2：

import numpy as np

array1 = np.random.randn(10, 10)
print("array1:", array1)
num = np.sum(array1 > 0)
print("大于0的数共有{}个".format(num))

Xernaga

#437 回复于2019-12

作业3-1

帽

帽檐上的poppy

#438 回复于2019-12

作业3-1

（1）

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as patches

plt.figure(figsize = (8,3))
x = np.arange(-10,10,0.1)
y = (np.exp(x)-np.exp(-x))/(np.exp(x)+np.exp(-x))

# 画出函数曲线
plt.plot(x, y, color='r')
# 添加文字说明
plt.text(-5., 0.9, r'$y=tanh(x)$', fontsize=13)
# 设置坐标轴格式
currentAxis=plt.gca()
currentAxis.xaxis.set_label_text('x', fontsize=15)
currentAxis.yaxis.set_label_text('y', fontsize=15)
plt.show()

（2）

import numpy as np
np.random.seed(0)
p = np.random.randn(10,10)
q = (p>0)
print("q的数据类型是{}".format(type(q)))
print("q的元素为\n{}".format(q))
e = np.sum(np.sum(q,0))
print("p矩阵里面有{}个大于0的数".format(e))

yun101bd

#439 回复于2019-12

# 作业3-1

# 使用numpy计算tanh激活函数，并画出其函数曲线。

import numpy as np
%matplotlib inline
import matplotlib.pyplot as plt
import matplotlib.patches as patches

#设置图片大小
plt.figure(figsize=(8, 3))

# x是1维数组，数组大小是从-10. 到10.的实数，每隔0.1取一个点
x = np.arange(-10, 10, 0.1)

# 计算 tanh函数
s = (np.exp(x) - np.exp(- x)) / (np.exp(x) + np.exp(- x))

# 画出函数曲线
plt.plot(x, s, color='r')
# 添加文字说明
plt.text(-5., 0.9, r'$y=\sigma(x)$', fontsize=13)
# 设置坐标轴格式
currentAxis=plt.gca()
currentAxis.xaxis.set_label_text('x', fontsize=15)
currentAxis.yaxis.set_label_text('y', fontsize=15)

plt.show()

# 作业3-2
# 统计随机生成矩阵中有多少个元素大于0

import numpy as np

# 生成均匀分布随机数，随机数取值范围在[0, 1)之间
p = np.random.randn(10, 10)
q = p[p > 0]
print('矩阵中大于0的元素的数量: {}'.format( q.size))

矩阵中大于0的元素的数量: 52

凌

凌梦蕤

#440 回复于2019-12

作业3-1

（1）使用numpy计算tanh激活函数

（2）统计随机生成矩阵中有多少个元素大于0

lsvine_bai

#441 回复于2019-12

作业3-1

# tanh激活函数及示意图
import numpy as np
%matplotlib inline
import matplotlib.pyplot as plt
import matplotlib.patches as patches

#设置图片大小
plt.figure(figsize=(8, 3))

# x是1维数组，数组大小是从-10. 到10.的实数，每隔0.1取一个点
x = np.arange(-10, 10, 0.1)
# 计算 Sigmoid函数
s = (np.exp(x) - np.exp(- x)) / (np.exp(x) + np.exp(- x))

#########################################################
# 以下部分为画图程序

# 设置两个子图窗口，将tanh的函数图像画在左边
f = plt.subplot(121)
# 画出函数曲线
plt.plot(x, s, color='r')
# 添加文字说明
plt.text(-5., 0.9, r'$y=\tanh(x)$', fontsize=13)
# 设置坐标轴格式
currentAxis=plt.gca()
currentAxis.xaxis.set_label_text('x', fontsize=15)
currentAxis.yaxis.set_label_text('y', fontsize=15)

plt.show()

作业3-2

import numpy as np

p = np.random.randn(10, 10)
# 判断元素大于0
q = (p > 0)
# 统计
q.sum()