জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. একটি GAN-এ দুটি প্রতিযোগী নেটওয়ার্ক কী?
   • একটি এনকোডার এবং একটি ডিকোডার
   • একজন পাঠক এবং একজন লেখক
   • দুটি অভিন্ন অনুলিপি যা সর্বদা একমত
   • একটি জেনারেটর যা জাল তৈরি করে এবং একটি বৈষম্যকারী যা তাদের বিচার করে
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. একটি GAN এ 'মোড পতন' কি?
   • বৈষম্যকারী সমস্ত ডেটা মুছে ফেলে
   • নেটওয়ার্ক মেমরি ফুরিয়ে গেছে
   • জেনারেটর বৈচিত্র্যের পরিবর্তে শুধুমাত্র কয়েকটি পুনরাবৃত্তিমূলক আউটপুট উত্পাদন করে
   • ছবির রেজোলিউশন স্বয়ংক্রিয়ভাবে দ্বিগুণ হয়ে যায়
5. Which researchers introduced the GAN framework in the 2014 paper?
   • Alan Turing alone in 1950
   • ইয়ান গুডফেলো এবং সহকর্মীরা
   • 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