Kvíz spojený s průvodcem · Střední úroveň

Kvíz o modelech latentní konzistence

Studujte destilaci latentní konzistence a několikastupňovou inferenci s LCM-LoRA, pokyny pro učitele, mapování koncových bodů, okrajové podmínky a dekódování.

Související vodicí cestyModely latentní konzistence
Otázka 1 z 8

Jaký cíl vzorkování zkoumá citovaný výzkum LCM?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaký cíl vzorkování zkoumá citovaný výzkum LCM?
    • Záruka stejné kvality a latence na každém telefonu
    • Užitečné generování obrázků s výrazně menším počtem kroků vzorkování
    • Odstranění veškerého neuronového výpočtu z generování
    • Povinné zvýšení na tisíce kroků odhřívání
  2. Jaký vztah konzistence platí pro body na stejné zadané trajektorii toku pravděpodobnosti?
    • Každý nesouvisející obrázek v datovém souboru musí být identický
    • Funkce musí ignorovat každou vstupní dobu
    • Mapují na stejný téměř čistý koncový bod
    • Každý bod musí mapovat na jiný náhodný název souboru
  3. V jakém prostoru provádějí LCM svou destilaci?
    • Stlačený latentní prostor předtrénovaného difúzního modelu
    • Surový prostor pixelů
    • Pouze samostatný prostor pro vkládání textu
    • Frekvenční doména zvuku
  4. Co poskytuje zpráva LCM-LoRA pro studované kompatibilní rodiny Stable Diffusion?
    • Záruka, že každý libovolný adaptér odpovídá každému kontrolnímu bodu
    • Náhrada za všechny dekódování obrázků
    • Model vycvičen od nuly jediným voláním inference
    • Parametry nízkého řádu pro urychlení použitelné s kompatibilními modely a doladěními
  5. Jakou roli hraje předtrénovaný model řízené difúze v původním postupu destilace LCM?
    • Je to jen seznam náhodných názvů souborů obrázků
    • Dokazuje, že není potřeba žádná tréninková operace
    • Poskytuje chování učitele použité k tréninku studenta konzistence
    • Plně nahrazuje související dekodér autoenkodéru
  6. Která uvedená související metoda s několika kroky kombinuje signál učitele s adversariální ztrátou?
    • Nastavení JPEG komprese
    • Adversariální difúzní destilace
    • Cache prohlížeče HTTP
    • Rozložení klávesnice
  7. Jakou hodnotu by měla funkce konzistence f(x, epsilon) vracet na uvedené téměř čisté hranici?
    • Požadovaný nulový vektor pro každé x
    • Náhodný identifikátor obrázku, který nesouvisí
    • Počet tokenů textového výzvy
    • x
  8. Která komponenta v příslušném nastavení latentní difuze převádí vzorkovanou latentní reprezentaci na obrazové pixely?
    • Dekodér autoenkodéru
    • Pouze textový tokenizátor
    • Pouze třídič názvů souborů
    • Pouze index rozdělení dat