Mit dem Guide verknüpftes Quiz · Mittel Ebene

Progressives Wachstum von GANs Quiz

Testen Sie grobes bis feines GAN-Training, symmetrisches Wachstum, Alpha-Einblendung, Batch-Variationsfunktionen, ausgeglichene Lernraten und später feste Architekturen.

Verwandte FührungspfadeProgressives Wachstum von GANs
Frage 1 von 8

Wie beginnt ein zunehmend gewachsener GAN mit dem Training?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Wie beginnt ein zunehmend gewachsener GAN mit dem Training?
    • Sofort bei voller Zielauflösung
    • Bei einer sehr niedrigen Auflösung wie 4x4 Pixel
    • Indem nur der Diskriminator vorab trainiert wird
    • Mit Textaufforderung
  2. Was ist der Hauptvorteil einer schrittweisen Erhöhung der Auflösung?
    • Dadurch wird das Training stabiler und schneller als das direkte Training mit hoher Auflösung
    • Dadurch entfällt die Notwendigkeit eines Generators
    • Dadurch entfällt die Datensatzanforderung
    • Es garantiert null Artefakte
  3. Wie wird eine neue Ebene mit höherer Auflösung eingeführt, wenn sie hinzugefügt wird?
    • Sofort in voller Stärke
    • Nur im Diskriminator, niemals im Generator
    • Sanftes Einblenden mit einer Überblendungsstärke (Alpha), die von 0 auf 1 ansteigt
    • Durch die Neuschulung des Netzwerks von Grund auf
  4. Warum werden sowohl dem Generator als auch dem Diskriminator Schichten hinzugefügt?
    • Denn der Generator allein kann keine Farbe erzeugen
    • Um die Datensatzgröße zu reduzieren
    • Nur zu Visualisierungszwecken
    • Damit die beiden Netzwerke bei zunehmender Auflösung symmetrisch und ausgeglichen bleiben
  5. Was ist der Zweck der in ProGAN eingeführten Minibatch-Standardabweichungsschicht?
    • Um das endgültige Bild hochzuskalieren
    • Um das Modell zu komprimieren
    • Um die Ausgabevariation zu erhöhen und einen Moduskollaps zu verhindern
    • Zum Beschriften der Trainingsbilder
  6. Welche spätere Entwicklung reduzierte die Notwendigkeit eines expliziten progressiven Wachstums?
    • Die Erfindung des Diskriminators
    • StyleGAN2, das eine feste Architektur mit übersprungenen/verbleibenden Verbindungen zeigt, könnte der Qualität entsprechen
    • Wechsel zu Graustufenbildern
    • Den latenten Vektor vollständig entfernen
  7. At alpha equal to zero during a ProGAN generator fade-in, which path supplies the blended output?
    • Only the newly added block at full strength
    • An unrelated pretrained text encoder
    • A random photograph taken from the test set
    • The previous lower-resolution path after upsampling
  8. What is the original ProGAN equalized-learning-rate method intended to balance?
    • The effective scale of learning across layers through dynamic weight scaling
    • The number of captions assigned to each face image
    • The timestamp of every generated training sample
    • The count of output file formats across batches