Тест, свързан с ръководство · Среден Ниво

Тест за генеративни състезателни мрежи

Прегледайте ролите на генератора и дискриминатора, оригиналните GAN входове, противопоставящата се обратна връзка, колапса на режима, историческия произход, равновесието и кондиционирането.

Свързани ръководни пътекиГенеративни състезателни мрежи
Въпрос 1 на 8

Кои са двете конкуриращи се мрежи в GAN?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Кои са двете конкуриращи се мрежи в GAN?
    • Енкодер и декодер
    • Читател и писател
    • Две еднакви копия, които винаги са съгласни
    • Генератор, който прави фалшификати и дискриминатор, който ги съди
  2. In the original unconditional GAN formulation, what input does the generator transform into a sample?
    • A guaranteed copy of a finished real image
    • Sampled latent noise
    • The discriminator's parameter file
    • A fixed human-written answer key
  3. What adversarial learning signal can reach a GAN generator through its discriminator?
    • Gradients of the generator objective with respect to its parameters
    • A rule that every generated image is correct
    • A prohibition against all conditional image inputs
    • A copy of every discriminator weight as the output image
  4. Какво е „колапс на режима“ в GAN?
    • Дискриминаторът изтрива всички данни
    • Мрежата няма памет
    • Генераторът произвежда само няколко повтарящи се изхода вместо разнообразие
    • Резолюцията на изображението се удвоява автоматично
  5. Which researchers introduced the GAN framework in the 2014 paper?
    • Alan Turing alone in 1950
    • Иън Гудфелоу и колеги
    • Geoffrey Hinton alone in 2006
    • Yann LeCun alone in 1998
  6. How can a conventional feed-forward GAN generator produce one sample after training?
    • By requiring exactly a thousand discriminator updates at inference
    • By retrieving an unchanged target image in every case
    • Without evaluating any learned computation
    • With one forward evaluation of the generator
  7. At the ideal original GAN equilibrium where generated and real distributions match, what probability does the optimal discriminator assign to an example being real?
    • Zero for every example
    • One for every example
    • One-half
    • A probability greater than one
  8. In the conditional GAN formulation, where can a class label or other condition be supplied?
    • To both the generator and the discriminator
    • Only to an unrelated output filename
    • To neither network by definition
    • Only after all training and generation have finished