Kvíz spojený s průvodcem · Těžko úroveň

Kontrastivní učební kvíz

Procvičte si kontrastivní pozitivní páry, zhroucení vkládání a podobnost na základě teploty, včetně toho, jak se fronty MoCo liší od inferenčních mezipamětí.

Související vodicí cestyKontrastivní učení
Otázka 1 z 8

Co je hlavním cílem kontrastivního učení?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co je hlavním cílem kontrastivního učení?
    • Přitáhněte k sobě podobné (kladné) páry a odsuňte odlišné (záporné) páry od sebe v prostoru pro vkládání
    • Předpovězte přesné hodnoty pixelů obrázku
    • Klasifikujte každý vstup do jednoho z pevných štítků
    • Minimalizujte počet parametrů modelu
  2. Jak se v metodě obrazu s vlastním dohledem, jako je SimCLR, obvykle vytváří pozitivní pár?
    • Dva různé obrázky stejné označené třídy
    • Obrázek a náhodně vybraný obrázek z datové sady
    • Dvě náhodné augmentace (např. oříznutí, barevné chvění) stejného obrázku
    • Obrázek spárovaný s maskou segmentace
  3. Která ztrátová funkce je nejvíce spojena s kontrastivním učením?
    • Střední kvadratická chyba
    • InfoNCE
    • Křížová entropie nad třídními štítky
    • Ztráta závěsu pro SVM
  4. Proč metody jako MoCo používají paměťovou banku nebo frontu?
    • K uložení štítků pro doladění pod dohledem
    • Chcete-li uložit konečné předpovědi do mezipaměti pro rychlejší vyvozování
    • Chcete-li komprimovat model pro mobilní zařízení
    • Poskytnout mnoho negativních příkladů bez potřeby enormní velikosti šarže
  5. Jaký problém konkrétně chrání BYOL a SimSiam bez použití explicitních záporů?
    • Přepastování na tréninkové štítky
    • Rozložení přechodů v optimalizátoru
    • Zhroucení reprezentace, kde se všechna vložení stanou identickými
    • Mizí rychlost učení
  6. Jak CLIP rozšiřuje kontrastivní myšlenku?
    • Zarovná obrázky s jejich textovými popisky ve sdíleném prostoru pro vkládání
    • Kontrastuje dvě augmentace stejného zvukového klipu
    • Odstraňuje potřebu jakékoli neuronové sítě
    • Místo podobnosti používá posilovací učení
  7. Kontrastivní kodér obrázků mapuje každou fotografii na stejný vektor. Které selhání to ilustruje?
    • Užitečné oddělení kategorií obrázků
    • Nárůst počtu negativních vzorků
    • Dokonalé zastoupení nejbližšího souseda
    • Kolaps reprezentace
  8. Proč se fronta školení MoCo liší od ukládání dokončených vyvozených odpovědí do mezipaměti?
    • Poskytuje konečné odpovědi chatbota bez provedení modelu
    • Poskytuje zakódované srovnávací příklady pro kontrastivní tréninkový cíl
    • Nahradí každý pozitivní obrázek štítkem
    • Odstraňuje potřebu aktualizovat jakýkoli kodér