اختبار جدولة معدل التعلم

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هو الغرض من مرحلة "الإحماء" في جدول معدل التعلم؟
   • البدء بمعدل صغير ثم الزيادة، مع تجنب عدم الاستقرار الناتج عن التدرجات الصاخبة المبكرة
   • لجعل الدقة النهائية أقل
   • لتخطي الدفعات القليلة الأولى من البيانات
   • لتجميد جميع الأوزان في البداية
2. أي جدول يتبع بسلاسة منحنى نصف جيب التمام وصولاً إلى المعدل الأدنى؟
   • جدول زمني ثابت
   • الصلب جيب التمام
   • جدول عشوائي
   • زيادة خطية
3. ماذا يحدث إذا تم تحديد معدل التعلم مرتفعًا جدًا؟
   • يتقارب التدريب على الفور وبدقة مثالية
   • يتدرب النموذج بشكل أبطأ ولكنه ينجح دائمًا
   • يمكن أن تتباعد الخسارة أو تتأرجح بدلاً من التناقص
   • لا شيء يتغير. المعدل ليس له أي تأثير
4. ماذا يفعل الاضمحلال التدريجي لمعدل التعلم؟
   • يزيده خطيا كل دفعة
   • يبقيه ثابتًا تمامًا
   • يضبطه بشكل عشوائي في كل خطوة
   • يسقطه بعامل ثابت في فترات محددة مسبقًا
5. What does a warm restart do to a learning-rate schedule?
   • It raises the learning rate again to begin another schedule cycle
   • It resets the model parameters to random values
   • It permanently fixes the learning rate at zero
   • It deletes the optimizer’s moment estimates
6. In Goyal et al.’s large-minibatch ImageNet setup, what did their warmup scheme address?
   • It removed the need for a validation set
   • It eased early optimization difficulties after the learning-rate scale increased with batch size
   • It changed the model architecture after each epoch
   • It converted the learning-rate curve into a cosine wave
7. In the cosine formula, what does T denote?
   • The number of model layers
   • حجم الدفعة
   • The schedule horizon or total number of steps used for the decay
   • The optimizer’s momentum coefficient
8. If the cosine schedule uses lr_min greater than zero, where does the rate approach at the end of the horizon?
   • Exactly zero regardless of lr_min
   • The original warmup starting rate
   • An unbounded value
   • The specified minimum learning rate