Mit dem Guide verknüpftes Quiz · Einfach Ebene

Bedingtes GANs-Quiz

Überprüft, wie bedingte Eingaben beide GAN-Netzwerke leiten, wie Diskriminatoren übereinstimmende Paare bewerten und wie Konditionierung injiziert werden kann.

Verwandte FührungspfadeBedingte GANs
Frage 1 von 8

Was ist der Hauptunterschied zwischen einem bedingten GAN und einem Standard-GAN?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Was ist der Hauptunterschied zwischen einem bedingten GAN und einem Standard-GAN?
    • Es speist zusätzliche Informationen wie eine Klassenbezeichnung in beide Netzwerke ein, um die Ausgabe zu steuern
    • Es verwendet zwei Generatoren
    • Es entfernt den Diskriminator
    • Es funktioniert nur bei Text, nicht bei Bildern
  2. Was können Sie in einem auf beschrifteten Ziffern trainierten cGAN tun, was ein einfaches GAN nicht kann?
    • Laufen Sie ohne Geräuscheintrag
    • Fordern Sie eine bestimmte Ziffer an, beispielsweise eine „7“.
    • Überspringen Sie den Diskriminator vollständig
    • Erzeugen Sie nur Schwarz-Weiß-Rauschen
  3. Was muss der cGAN-Diskriminator prüfen, abgesehen davon, ob ein Bild echt aussieht?
    • Das Dateiformat des Bildes
    • Die Auflösung in Megapixeln
    • Ob das Bild mit der angegebenen Bezeichnung übereinstimmt
    • Die Lernrate des Trainings
  4. Welches ist eine übliche Methode, um das Konditionierungssignal an den Generator zu liefern?
    • Löschen des Rauschvektors
    • Training ohne Etiketten
    • Verwendung eines separaten physikalischen Sensors
    • Verknüpfen der Beschriftung mit der Rauscheingabe
  5. Bedingte GANs legten den Grundstein für welche spätere Fähigkeit?
    • Text-zu-Bild- und Bild-zu-Bild-Generierung
    • Schnellere CPUs
    • Spam-E-Mail-Filterung
    • Datenbankindizierung
  6. In modernen Diffusionsmodellen erscheint die cGAN-Idee der Konditionierung oft als welcher Mechanismus?
    • Zufälliges Gewichts-Clipping
    • Queraufmerksamkeit bei einer Textaufforderung
    • Nur manuelle Pixelmalerei
    • Deaktivieren des Lärmplans
  7. Why must a conditional discriminator see both the generated image and its conditioning label?
    • It uses the label to choose the learning-rate schedule
    • It converts the label into a random noise seed only
    • It needs to judge whether the image is realistic and whether it matches the requested condition
    • It prevents the generator from receiving noise
  8. Besides concatenating a class label to the noise vector, which conditioning method is described in the guide?
    • A spectral-radius constraint
    • An inverse Hessian update
    • A sequence-level BLEU reward
    • A projection layer that scores compatibility between label and image features