Kvíz spojený s průvodcem · Střední úroveň
DenseNet a Dense Connectivity Quiz
Testujte zřetězení mapy prvků, rychlost růstu, přímé opětovné použití prvků, kompresi přechodů, cesty přechodů a počty kanálů.
Otázka 1 z 8
Jakou operaci používá DenseNet ke spojení map prvků z předchozích vrstev?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jakou operaci používá DenseNet ke spojení map prvků z předchozích vrstev?
- Kanálové zřetězení
- Sčítání prvků
- Maximální sdružování napříč vrstvami
- Násobení podle prvků
- Co v DenseNet řídí „rychlost růstu“ k?
- Rozvrh míry učení
- Velikost sdružovacího okna
- Počet nových map prvků, které každá vrstva vytvoří
- Počet hustých bloků
- Kolik přímých spojení existuje mezi vrstvami L v hustém bloku?
- L
- L(L+1)/2
- 2L
- L na druhou
- Jaký je hlavní účel přechodových vrstev v DenseNet?
- Chcete-li přidat zbytkové zkratky
- Pro zvýšení tempa růstu
- Pouze pro použití výpadku
- Pro převzorkování a zmenšení velikosti mapy prvků mezi hustými bloky
- Klíčovou výhodou husté konektivity je to, že pomáhá zmírnit který tréninkový problém?
- Přepastování do barvy
- Explodující velikosti šarží
- Problém mizejícího gradientu
- Hluk štítků
- Ve srovnání s ResNet s podobnou přesností na ImageNet DenseNet-BC obvykle používá:
- Podstatně méně parametrů
- Daleko více parametrů
- Zhruba stejné parametry
- Vůbec žádné konvoluce
- A late DenseNet layer needs an edge feature learned near the input. Why can it use that map directly?
- Only the final layer can see edge features
- DenseNet resets all maps after each layer
- Transition layers reconstruct every earlier map from scratch
- Earlier feature maps remain among its concatenated inputs
- A dense block begins with m channels and three layers each add k new maps. How many channels emerge before a transition?
- 3m + k
- m + 3k
- m times k cubed
- Only k, because old maps are discarded