اختبار مرتبط بالدليل · متوسط المستوى

مسابقة البحث في الهندسة المعمارية العصبية

قم بمراجعة مساحات بحث NAS والخوارزميات وتكلفة البحث المبكر واسترخاء DARTS ومشاركة الوزن ومحاذير التقييم. التحقق من الافتراضات والنطاق.

مسارات الدليل ذات الصلةبحث العمارة العصبية
سؤال 1 من 8

ما الذي يقوم بأتمتة بحث الهندسة المعمارية العصبية؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. ما الذي يقوم بأتمتة بحث الهندسة المعمارية العصبية؟
    • تصميم هيكل الشبكة العصبية
    • تسمية بيانات التدريب
    • تبريد خوادم GPU
    • كتابة الوثائق للنماذج
  2. ما هي المكونات الثلاثة التي تحدد طريقة NAS؟
    • مجموعة البيانات، والمحسن، والتسرب
    • مساحة البحث واستراتيجية البحث وتقدير الأداء
    • التشفير، فك التشفير، والاهتمام
    • مجموعات التدريب والتحقق والاختبار
  3. ما هو مقياس التسريع الذي أشارت إليه ورقة NAS الأصلية للتعلم المعزز في بحثها الكبير؟
    • One GPU for every NAS method
    • A fixed cost of exactly 1,000 GPU-days for every search
    • An experiment using 800 GPUs in that study
    • No accelerator use during architecture search
  4. ما هي الحيلة الأساسية التي تستخدمها DARTS لجعل البحث فعالاً؟
    • ويتدرب على مثال واحد
    • يزيل جميع الطبقات المخفية
    • يستخدم البحث العشوائي فقط
    • إنه يخفف من خيارات الهندسة المعمارية المنفصلة إلى خيارات متواصلة يمكن تحسينها عن طريق التدرجات
  5. ما هي "الشبكة الفائقة" في NAS لتقاسم الوزن؟
    • شبكة واحدة ذات معلمات زائدة تحتوي على جميع البنى المرشحة، والتي يتم تقاسم أوزانها
    • شبكة تحتوي على مليارات المعلمات
    • شبكة تعمل على أجهزة الكمبيوتر العملاقة فقط
    • نسخة احتياطية من النموذج
  6. What did the HURRICANE hardware-aware NAS study evaluate?
    • One architecture that is guaranteed optimal on every device
    • Tailored architectures for three hardware types under matched latency constraints
    • A language model trained without any hardware measurements
    • A method that removes latency from architecture evaluation
  7. What is one limitation of weight-sharing NAS supernets?
    • They remove all architecture choices
    • They guarantee the globally best architecture
    • The shared weights can bias architecture rankings relative to training each candidate independently
    • They do not use neural networks
  8. What does a NAS evaluation need to report for a fair comparison?
    • Only the best test score
    • The GPU brand alone
    • The model name without settings
    • Search space, compute budget, validation protocol, and final retraining setup