Тест, свързан с ръководство · Среден Ниво

Тест за разширяване на Mixup и CutMix

Тествайте смесени входове и етикети, правоъгълни CutMix пачове, тегла на площи, бета извадка и цифрови целеви пропорции и за двата метода.

Свързани ръководни пътекиMixup и Cutmix увеличаване
Въпрос 1 на 8

Как Mixup създава нов пример за обучение?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Как Mixup създава нов пример за обучение?
    • Чрез завъртане на едно изображение и запазване на етикета му
    • Чрез изрязване на случаен квадрат и изхвърлянето му
    • Чрез преобразуване на изображението в нива на сивото
    • Чрез линейно интерполиране на две изображения и техните етикети с тегло ламбда
  2. Каква е основната разлика между CutMix и Mixup?
    • CutMix използва само едно изображение, докато Mixup използва две
    • CutMix поставя правоъгълен пластир от едно изображение върху друго, вместо да смесва пиксели навсякъде
    • CutMix променя само етикета, но никога изображението
    • CutMix се прилага изключително за текстови данни
  3. В CutMix как се определя теглото на смесване (ламбда) за етикетите?
    • Винаги е фиксиран на 0,5
    • Чрез яркостта на по-яркото изображение
    • Чрез съотношението площ на пиксела всяко изображение допринася
    • На случаен принцип, без връзка с изображенията
  4. Освен входното изображение, какво друго променят Mixup и CutMix?
    • Етикетът, превръщайки го в мека смесена цел
    • Степента на обучение на оптимизатора
    • Броят на слоевете в мрежата
    • Размерът на партидата
  5. Кое разпределение обикновено се използва за вземане на проби от коефициента на смесване ламбда?
    • Равномерно разпределение върху цели числа
    • Бета разпространение
    • Поасоново разпределение
    • Разпределение на Бернули с p, фиксирано на 1
  6. Документираната полза от тези увеличения на смесването е подобрена:
    • Компресиране на файла с обучен модел
    • Скорост на обучение чрез премахване на необходимостта от обратно разпространение
    • Възможност за обучение без никакви етикети
    • Здравина и калибриране в допълнение към точността
  7. Mixup uses lambda = 0.25 for image A and one minus lambda for image B. What target weights follow?
    • 25% A and 75% B
    • 75% A and 25% B
    • 50% each regardless of lambda
    • 100% A because it is listed first
  8. A CutMix patch replaces 20% of image A’s pixel area with image B. What label weights does the stated area rule use?
    • 20% A and 80% B
    • 100% B for any patch
    • 80% A and 20% B
    • 50% each for all rectangles