Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ Προοδευτικής Ανάπτυξης GANs

Δοκιμάστε την προπόνηση GAN, τη συμμετρική ανάπτυξη, την εξασθένιση άλφα, τις δυνατότητες παραλλαγής παρτίδας, εξισωμένους ρυθμούς εκμάθησης και αργότερα σταθερές αρχιτεκτονικές.

Σχετικές διαδρομές οδηγώνΠροοδευτική Ανάπτυξη των GANs
Ερώτηση 1 του 8

Πώς ξεκινάει η προπόνηση ενός προοδευτικά αναπτυσσόμενου GAN;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Πώς ξεκινάει η προπόνηση ενός προοδευτικά αναπτυσσόμενου GAN;
    • Στην πλήρη ανάλυση στόχου αμέσως
    • Σε πολύ χαμηλή ανάλυση όπως 4x4 pixel
    • Με την προεκπαίδευση μόνο του διακριτικού
    • Με μια προτροπή κειμένου
  2. Ποιο είναι το κύριο όφελος της σταδιακής αύξησης της ανάλυσης;
    • Κάνει την προπόνηση πιο σταθερή και ταχύτερη από την απευθείας προπόνηση σε υψηλή ανάλυση
    • Καταργεί την ανάγκη για γεννήτρια
    • Καταργεί την απαίτηση δεδομένων
    • Εγγυάται μηδέν τεχνουργήματα
  3. Όταν προστίθεται ένα νέο επίπεδο υψηλότερης ανάλυσης, πώς εισάγεται;
    • Άμεσα σε πλήρη δύναμη
    • Μόνο στη διάκριση, ποτέ στη γεννήτρια
    • Ομαλά ξεθωριάσει με ανάμειξη βάρους (άλφα) που κυμαίνεται από 0 σε 1
    • Με την επανεκπαίδευση του δικτύου από την αρχή
  4. Γιατί προστίθενται στρώματα τόσο στη γεννήτρια όσο και στη διάταξη διαχωρισμού;
    • Επειδή η γεννήτρια από μόνη της δεν μπορεί να παράγει χρώμα
    • Για να μειώσετε το μέγεθος δεδομένων
    • Μόνο για λόγους οπτικοποίησης
    • Για να διατηρήσετε τα δύο δίκτυα συμμετρικά και ισορροπημένα καθώς αυξάνεται η ανάλυση
  5. Ποιος είναι ο σκοπός του επιπέδου τυπικής απόκλισης μίνι παρτίδας που εισάγεται στο ProGAN;
    • Για να αναβαθμίσετε την τελική εικόνα
    • Για συμπίεση του μοντέλου
    • Για να αυξήσετε τη διακύμανση της παραγωγής και να αποθαρρύνετε την κατάρρευση της λειτουργίας
    • Για να επισημάνετε τις εικόνες της εκπαίδευσης
  6. Ποια μετέπειτα εξέλιξη μείωσε την ανάγκη για ρητή προοδευτική ανάπτυξη;
    • Η εφεύρεση του διακριτικού
    • Το StyleGAN2 που δείχνει μια σταθερή αρχιτεκτονική με συνδέσεις παράλειψης/υπόλοιπων συνδέσεων θα μπορούσε να ταιριάζει με την ποιότητα
    • Μετάβαση σε εικόνες σε κλίμακα του γκρι
    • Πλήρης κατάργηση του λανθάνοντος φορέα
  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