Kvíz spojený s průvodcem · Střední úroveň

Kvíz o zbytkových sítích

Prohlédněte si výpočet reziduálních bloků, zkratky identity, přechodové cesty, hloubku ImageNet a jak se rezidua opakují v neuronových architekturách.

Související vodicí cestyZbytkové sítě
Otázka 1 z 8

Jaký problém konkrétně řešily zbytkové spoje?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaký problém konkrétně řešily zbytkové spoje?
    • Trénink hlubších rovinných sítí je horší než mělčích (degradace)
    • Obrázky mají příliš nízké rozlišení
    • Nedostatek označených tréninkových dat
    • Dochází paměť GPU
  2. What does a basic residual block compute when input and output dimensions match?
    • Multiplies the input by itself
    • Adds the block’s learned residual function to its input, y = F(x) + x
    • Drops the input and returns zero
    • Sorts input channels alphabetically
  3. Proč přeskakovaná spojení napomáhají sklonům během tréninku?
    • They eliminate the need to train weights
    • They force every layer to output zero
    • They provide an additional direct path for gradient flow around the learned transformation
    • They make deep networks immune to all optimization problems
  4. How deep was the deepest ResNet evaluated in the original ImageNet paper?
    • 18 layers
    • 34 layers
    • 50 layers
    • 152 vrstev
  5. Pokud se vrstvy zbytkového bloku naučí F(x) = 0, co blok dělá?
    • Efektivně předává vstup beze změny (identita)
    • Na výstupu je nula a přeruší síť
    • Zdvojnásobuje vstup
    • Randomizuje výstup
  6. What residual connection does the Transformer paper describe around attention and feed-forward sublayers?
    • Replace the sublayer input with a class label
    • Add each sublayer’s output to the sublayer input through a residual connection
    • Average every token globally at the output only
    • Remove the residual stream after self-attention
  7. When a residual block changes channel dimensions, what can a projection shortcut do?
    • Convert the input into a text sequence
    • Remove the residual branch
    • Map the shortcut input to the dimensions required for addition
    • Guarantee that every gradient has unit magnitude
  8. What sequence of convolutions defines the original ResNet bottleneck block?
    • Three 3×3 convolutions only
    • A 3×3 convolution followed by two fully connected layers
    • A pooling layer followed by two transposed convolutions
    • A 1×1, then 3×3, then 1×1 convolution