Тест, свързан с ръководство · трудно Ниво

Тест за целите на InfoNCE и SimCLR

Проверява положителния срещу отрицателния цел на InfoNCE, изгледите и проекционната глава на SimCLR и ролите на температурата и размера на партидата.

Свързани ръководни пътекиЦели на Infonce и Simclr
Въпрос 1 на 8

Какво насърчава целта на InfoNCE да прави модел?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво насърчава целта на InfoNCE да прави модел?
    • Направете заявка по-подобна на истинската си положителна, отколкото на много отрицателни
    • Запомнете точните стойности на пикселите на всяко изображение
    • Минимизирайте броя на параметрите на модела
    • Предскажете следващата дума в изречението
  2. Как се създава положителна двойка в SimCLR?
    • Чрез сдвояване на изображение с неговия човешки етикет
    • Чрез прилагане на две различни произволни увеличения към едно и също изображение
    • Като изберете две напълно различни изображения
    • Чрез завъртане на целия набор от данни
  3. Каква роля играе температурата τ в NT-Xent / InfoNCE?
    • Той определя скоростта на обучение
    • Той контролира автоматично размера на партидата
    • Той мащабира оценките за сходство; по-ниското τ изостря разпределението и подчертава силните негативи
    • Той определя броя на слоевете в енкодера
  4. Какво се случва с проекционната глава на SimCLR след предварително обучение?
    • Той става окончателен класификатор
    • Той е замразен и се използва като енкодер
    • Той е дублиран за извод
    • Изхвърля се; представянето преди главата се използва за задачи надолу по веригата
  5. Защо SimCLR разчита на големи партиди?
    • Да предоставя много отрицателни примери във всяка стъпка на обучение
    • За да намалите използването на паметта
    • За да избегнете използването на увеличения
    • За да се премахне необходимостта от температурен параметър
  6. In SimCLR, which examples usually act as negatives for one anchor view?
    • The matching view of the same image
    • The other augmented views in the batch that come from different images
    • Only examples with the same class label
    • Views produced by a second encoder trained on labels
  7. Why does SimCLR use a nonlinear projection head before computing its contrastive loss?
    • It replaces the image encoder
    • It supplies class labels during pretraining
    • The learned projection helps the contrastive objective while the representation before the head can transfer downstream
    • It removes the need for data augmentation
  8. For an InfoNCE anchor, what should happen to the positive similarity relative to sampled negatives?
    • Every negative should have a higher score than the positive
    • All scores must be identical
    • The positive is excluded from the objective
    • The positive should receive a higher score than the negatives