কন্ট্রাস্টিভ লার্নিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. বিপরীত শিক্ষার মূল উদ্দেশ্য কি?
   • অনুরূপ (ধনাত্মক) জোড়া একসাথে টানুন এবং এম্বেডিং স্পেসে ভিন্ন ভিন্ন (নেতিবাচক) জোড়াকে ধাক্কা দিন
   • একটি ছবির সঠিক পিক্সেল মান অনুমান করুন
   • লেবেলের একটি নির্দিষ্ট সেটের মধ্যে প্রতিটি ইনপুটকে শ্রেণীবদ্ধ করুন
   • মডেল পরামিতি সংখ্যা ন্যূনতম
2. সিমসিএলআর-এর মতো একটি স্ব-তত্ত্বাবধানে ইমেজ পদ্ধতিতে, কীভাবে একটি ইতিবাচক জুটি সাধারণত তৈরি হয়?
   • একই লেবেলযুক্ত ক্লাসের দুটি ভিন্ন চিত্র
   • ডেটাসেট থেকে একটি ছবি এবং এলোমেলোভাবে নির্বাচিত ছবি৷
   • একই চিত্রের দুটি এলোমেলো পরিবর্ধন (যেমন, ফসল, রঙের জিটার)
   • একটি ছবি এর সেগমেন্টেশন মাস্কের সাথে যুক্ত
3. কোন ক্ষতি ফাংশন বিপরীত শিক্ষার সাথে সবচেয়ে বেশি যুক্ত?
   • বর্গাকার ত্রুটির গড়
   • ইনফোএনসিই
   • ক্লাস লেবেলের উপর ক্রস-এনট্রপি
   • SVM-এর জন্য কব্জা ক্ষতি
4. কেন MoCo মত পদ্ধতি একটি মেমরি ব্যাঙ্ক বা সারি ব্যবহার করে?
   • তত্ত্বাবধানে সূক্ষ্ম-টিউনিংয়ের জন্য লেবেল সংরক্ষণ করতে
   • দ্রুত অনুমানের জন্য চূড়ান্ত ভবিষ্যদ্বাণী ক্যাশে করতে
   • মোবাইল ডিভাইসের জন্য মডেল কম্প্রেস করতে
   • একটি বিশাল ব্যাচ আকার প্রয়োজন ছাড়া অনেক নেতিবাচক উদাহরণ সরবরাহ করতে
5. BYOL এবং SimSiam সুস্পষ্ট নেতিবাচক ব্যবহার না করে কোন সমস্যা থেকে বিশেষভাবে রক্ষা করে?
   • প্রশিক্ষণ লেবেল ওভারফিটিং
   • অপটিমাইজারে গ্রেডিয়েন্টের বিস্ফোরণ
   • প্রতিনিধিত্ব পতন, যেখানে সমস্ত এম্বেডিং অভিন্ন হয়ে ওঠে
   • অদৃশ্য হয়ে যাওয়া শেখার হার
6. কিভাবে CLIP বিপরীত ধারণা প্রসারিত করে?
   • এটি একটি শেয়ার্ড এমবেডিং স্পেসে তাদের পাঠ্য ক্যাপশনের সাথে চিত্রগুলিকে সারিবদ্ধ করে৷
   • এটি একই অডিও ক্লিপের দুটি পরিবর্ধনের বিপরীতে
   • এটি যেকোনো নিউরাল নেটওয়ার্কের প্রয়োজনীয়তা দূর করে
   • এটি মিলের পরিবর্তে শক্তিবৃদ্ধি শিক্ষা ব্যবহার করে
7. A contrastive image encoder maps every photo to the same vector. Which failure does this illustrate?
   • A useful separation of image categories
   • An increase in the number of negative samples
   • A perfect nearest-neighbor representation
   • Representation collapse
8. Why is MoCo’s training queue different from caching completed inference responses?
   • It serves final chatbot responses without model execution
   • It supplies encoded comparison examples for a contrastive training objective
   • It replaces every positive image with a label
   • It removes the need to update any encoder