শেখার হার নির্ধারণ কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. শেখার হারের সময়সূচীতে 'ওয়ার্মআপ' পর্বের উদ্দেশ্য কী?
   • একটি ছোট হার দিয়ে শুরু করতে এবং র‌্যাম্প আপ করতে, প্রারম্ভিক শোরগোল গ্রেডিয়েন্ট থেকে অস্থিরতা এড়াতে
   • চূড়ান্ত নির্ভুলতা কম করতে
   • ডেটার প্রথম কয়েকটি ব্যাচ এড়িয়ে যেতে
   • শুরুতে সমস্ত ওজন হিমায়িত করতে
2. কোন সময়সূচী মসৃণভাবে একটি ন্যূনতম হারের দিকে অর্ধ-কোসাইন বক্ররেখা অনুসরণ করে?
   • ধ্রুবক সময়সূচী
   • কোসাইন অ্যানিলিং
   • এলোমেলো সময়সূচী
   • রৈখিক বৃদ্ধি
3. শেখার হার অনেক বেশি সেট করা হলে কি হবে?
   • প্রশিক্ষণ নিখুঁত নির্ভুলতার সাথে অবিলম্বে একত্রিত হয়
   • মডেলটি ধীর গতিতে চলে কিন্তু সর্বদা সফল হয়
   • ক্ষয়ক্ষতি কমার পরিবর্তে বিচ্ছিন্ন বা দোদুল্যমান হতে পারে
   • কিছুই পরিবর্তন হয় না; হারের কোন প্রভাব নেই
4. ধাপের ক্ষয় শেখার হারে কী করে?
   • প্রতিটি ব্যাচে রৈখিকভাবে এটি বৃদ্ধি করে
   • এটি পুরোপুরি ধ্রুবক রাখে
   • প্রতিটি ধাপে এলোমেলোভাবে সেট করে
   • পূর্বনির্ধারিত যুগে এটি একটি নির্দিষ্ট ফ্যাক্টর দ্বারা ড্রপ করে
5. What does a warm restart do to a learning-rate schedule?
   • It raises the learning rate again to begin another schedule cycle
   • It resets the model parameters to random values
   • It permanently fixes the learning rate at zero
   • It deletes the optimizer’s moment estimates
6. In Goyal et al.’s large-minibatch ImageNet setup, what did their warmup scheme address?
   • It removed the need for a validation set
   • It eased early optimization difficulties after the learning-rate scale increased with batch size
   • It changed the model architecture after each epoch
   • It converted the learning-rate curve into a cosine wave
7. In the cosine formula, what does T denote?
   • The number of model layers
   • ব্যাচের আকার
   • The schedule horizon or total number of steps used for the decay
   • The optimizer’s momentum coefficient
8. If the cosine schedule uses lr_min greater than zero, where does the rate approach at the end of the horizon?
   • Exactly zero regardless of lr_min
   • The original warmup starting rate
   • An unbounded value
   • The specified minimum learning rate