小红需要对一个三层全连接回归网络执行一次前向传播、反向传播和梯度下降更新。网络结构为输入层 d_in 、带 ReLU 的隐藏层 d_hidden 、线性输出层 d_out 。 前向传播为 z_1=W_1x+b_1 , a_1=ReLU(z_1) , y_pred=W_2a_1+b_2 。损失为 L=12Σ_i(y_pred,i-y_true,i)^2 。令 _2=y_pred-y_true ,则 W_2=_2 a_1 、 b_2=_2 ; _1=(W_2^T_2)'(z_1) 、 W_1=_1 x 、 b_1=_1 。 规定 ReLU'(0)=0 。所有参数均按 _new=- 同时更新,隐藏层梯度必须使用更新前的 W_2 。
依次输入维度、 W_1 、 b_1 、 W_2 、 b_2 、 x 、 y_true 和学习率 ,各矩阵按行输入。 保证 1 ≤ d_in,d_hidden,d_out ≤ 10 ;初始权重和偏置绝对值不超过 5 ;输入和目标绝对值不超过 10 ; 0.001 ≤ ≤ 1 。
依次输出更新后的 W_1 、 b_1 、 W_2 、 b_2 ,最后输出本次更新前向传播得到的 y_pred 。所有数值固定保留 6 位小数,同一行内以空格分隔。
2 2 2 0.4 0.3 -0.5 0.6 0.1 -0.2 0.5 -0.3 0.2 0.4 0.0 0.1 1.0 0.5 0.5 0.3 0.2
0.420300 0.310150 -0.500000 0.600000 0.120300 -0.200000 0.522750 -0.300000 0.209100 0.400000 0.035000 0.114000 0.325000 0.230000
2 2 1 -1.0 -1.0 -0.5 -0.8 -0.5 -0.3 0.5 0.3 0.1 1.0 1.0 0.5 0.1
-1.000000 -1.000000 -0.500000 -0.800000 -0.500000 -0.300000 0.500000 0.300000 0.140000 0.100000
考点:模拟
限制 1 秒 / 256MB | 标准输入输出
推荐方向:模拟
本题切入点
按给定公式做一次前向+反向:先算 z1、a1=ReLU(z1)、y_pred,再由 δ2=y_pred−y_true 求 W2/b2 梯度,δ1=(W2ᵗδ2)⊙1[z1>0](ReLU′(0)=0),最后同时用旧 W2 更新全部参数。
不涉及复杂算法,把题目描述的流程原样翻译成代码逐步执行即可。
思路框架(模拟 通法 · 非本题专属)
实现要点:结构上通常是一个外层循环包住若干 if/else 分支;只要状态定义清楚,正确率很高。
复杂度:时间 O(操作次数) | 空间 O(状态数)
该范式的通法易错点
对照本题
样例 1:输入 2 2 2 / 0.4 0.3 / -0.5 0.6 / 0.1 -0.2 / 0.5 -0.3 / 0.2 0.4 / 0.0 0.1 / 1.0 0.5 / 0.5 0.3 / 0.2 → 输出 0.420300 0.310150 / -0.500000 0.600000 / 0.120300 -0.200000 / 0.522750 -0.300000 / 0.209100 0.400000
第二个隐藏神经元被 ReLU 关闭,其对应梯度为零。
样例 2:输入 2 2 1 / -1.0 -1.0 / -0.5 -0.8 / -0.5 -0.3 / 0.5 0.3 / 0.1 / 1.0 1.0 / 0.5 / 0.1 → 输出 -1.000000 -1.000000 / -0.500000 -0.800000 / -0.500000 -0.300000 / 0.500000 0.300000 / 0.140000 / 0.1
隐藏层全部关闭,只有输出层偏置发生更新。
解析由校招宝本地引擎整理(依据源站考点标签 / 人工判题标注 / 题面规模信号),非官方题解,仅供思路参考。
本题来源:2026年-华为-06月03号AI岗。