Тест, свързан с ръководство · Среден Ниво

Сиамски мрежи и тест за загуба на триплети

Проверява споделени енкодери, разстояния за вграждане, триплетни полета и как твърдо отрицателните примери влияят на сигнала за обучение. внимателно.

Свързани ръководни пътекиСиамски мрежи и триплетна загуба
Въпрос 1 на 8

Каква е определящата архитектурна характеристика на сиамската мрежа?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Каква е определящата архитектурна характеристика на сиамската мрежа?
    • Два или повече еднакви клона, които споделят еднакви тегла
    • Един клон без скрити слоеве
    • Отделни мрежи с напълно независими тегла
    • Повтарящ се цикъл във времето
  2. При триплетна загуба, кои са трите входа?
    • Вход, скрит, изход
    • Котва, положителна и отрицателна
    • Обучение, валидиране, тест
    • Кодер, декодер, класификатор
  3. Какво налага целта за загуба на триплет?
    • Котвата и негативът трябва да са идентични
    • Всички вграждания трябва да се свият до една точка
    • Разстоянието между котвата и положителното трябва да е по-малко от разстоянието между котвата и отрицателния знак
    • Положителният и отрицателният трябва да имат еднакво разстояние до котвата
  4. Защо „твърдо отрицателното копаене“ е важно за обучението за загуба на триплет?
    • Премахва всички позитиви от обучението
    • Това прави мрежата по-плитка
    • Той заменя показателя за разстояние с етикет
    • Лесните негативи вече задоволяват маржа и произвеждат нулев полезен градиент
  5. Какви възможности правят сиамските мрежи ценни за „еднократно обучение“?
    • Те могат да сравнят нов вход с една препратка и да преценят сходството, дори за невиждани класове
    • Те се нуждаят от хиляди етикетирани примери на клас
    • Те се класифицират само във фиксирани, предварително дефинирани категории
    • Те не могат да обобщават отвъд тренировъчните идентичности
  6. Как една сиамска мрежа обикновено решава дали два входа съвпадат?
    • Чрез сумиране на необработените им пикселни стойности
    • Чрез сравняване на разстоянието между техните вграждащи вектори спрямо праг
    • Чрез преброяване на броя на използваните слоеве
    • Като присвоите на всеки случаен етикет на клас
  7. За триплетна загуба max(0, d(a,p) − d(a,n) + m), нека d(a,p)=0,2, d(a,n)=0,8 и m=0,3. Каква е загубата?
    • 0,3
    • 0,5
    • 0
    • 1.1
  8. Какво се случва, когато отрицателен пример вече е по-далеч от котвата от необходимия марж?
    • Котвата и положителните вграждания се изхвърлят
    • Загубата принуждава негатива да се доближи до котвата
    • Мрежата преминава в режим на класификация
    • Триплетната загуба става нула и този пример не дава полезен градиент