গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

ভেরিয়েশনাল অটোএনকোডার কুইজ

VAE ডিস্ট্রিবিউশন, রিপ্যারামিটারাইজেশন, কেএল রেগুলারাইজেশন, ইএলবিও ট্রেনিং, স্যাম্পলিং এবং সুপ্ত-প্রসারণ ব্যবহার পর্যালোচনা করুন। প্রমাণ এবং সুযোগ পরীক্ষা করুন.

সম্পর্কিত গাইড পাথভেরিয়েশনাল অটোএনকোডার
প্রশ্ন 1 এর 8

একটি প্রদত্ত ইনপুটের জন্য একটি VAE আউটপুটে এনকোডার কী করে?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. একটি প্রদত্ত ইনপুটের জন্য একটি VAE আউটপুটে এনকোডার কী করে?
    • একটি সম্ভাব্যতা বন্টনের পরামিতি, যেমন একটি গড় এবং প্রকরণ
    • সুপ্ত স্থানে একটি একক স্থির বিন্দু
    • একটি ক্লাস লেবেল
    • ইনপুটের একটি পুনর্গঠিত অনুলিপি
  2. reparameterization কৌশল উদ্দেশ্য কি?
    • ডিকোডার বড় করতে
    • গ্রেডিয়েন্টগুলিকে এলোমেলো স্যাম্পলিং ধাপের মাধ্যমে প্রবাহিত করার অনুমতি দিতে
    • একটি ডিকোডার জন্য প্রয়োজন অপসারণ
    • সুপ্ত স্থানকে আরও সংকুচিত করতে
  3. In the standard Gaussian VAE formulation, what does the KL term encourage?
    • The decoder to predict future input tokens
    • The encoder to remove all randomness
    • The approximate posterior to stay close to the chosen prior, commonly a standard normal
    • Every latent variable to have the same observed value
  4. VAEs প্রশিক্ষণের সময় যে উদ্দেশ্যমূলক কাজটি সর্বাধিক করে তাকে বলা হয়:
    • ক্রস-এনট্রপি সিলিং
    • প্রতিপক্ষের ক্ষতি
    • গড় বর্গ মার্জিন
    • এভিডেন্স লোয়ার বাউন্ড (ELBO)
  5. In a Gaussian VAE, what enables generation of a new sample?
    • Sample a latent from the prior and decode it with the learned decoder
    • Copy a training image directly without a model
    • Run the encoder backward with no latent sampling
    • Choose a random class label without decoding
  6. স্থিতিশীল প্রসারণের মতো একটি সুপ্ত প্রসারণ মডেলে, VAE কী ভূমিকা পালন করে?
    • এটি প্রশিক্ষণ ইমেজ লেবেল
    • এটি চিত্রগুলিকে একটি সুপ্ত স্থানে সংকুচিত করে যেখানে প্রসারণ চলে, তারপরে পিক্সেলে ফিরে ডিকোড হয়
    • এটি পাঠ্য এনকোডার প্রতিস্থাপন করে
    • এটি শব্দের মাত্রা নির্ধারণ করে
  7. In variational inference, what does the ELBO provide for the marginal log likelihood log p(x)?
    • An exact value of log p(x) for every model
    • A guarantee that each generated sample is realistic
    • A tractable lower bound that can be maximized instead of directly maximizing log p(x)
    • A posterior distribution that requires no inference model
  8. What distribution does a VAE decoder model given a latent vector?
    • The encoder’s approximate posterior q(z|x)
    • The training set’s class-frequency histogram only
    • The optimizer’s learning-rate schedule
    • The likelihood of an observation conditioned on that latent, p(x|z)