Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ απώλειας τριπλών και μετρικής μάθησης

Δοκιμάστε τους ρόλους άγκυρας-θετικού-αρνητικού, διαχωρισμού περιθωρίων, σύγκρισης ενσωμάτωσης, κανονικοποίησης και μηδενικής έναντι ενεργού τριπλής απώλειας.

Σχετικές διαδρομές οδηγώνΑπώλεια τριπλής και μετρική εκμάθηση
Ερώτηση 1 του 8

Ποιες τρεις εισροές συνθέτουν μια τριάδα σε απώλεια τριπλής;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποιες τρεις εισροές συνθέτουν μια τριάδα σε απώλεια τριπλής;
    • Άγκυρα, θετική και αρνητική
    • Είσοδος, κρυφό στρώμα και έξοδος
    • Ερώτημα, κλειδί και τιμή
    • Δείγματα εκπαίδευσης, επικύρωσης και δοκιμής
  2. Γιατί η απώλεια τριπλής περιλαμβάνει όρο περιθωρίου;
    • Για να επιταχύνετε τον πολλαπλασιασμό του πίνακα
    • Να αυξηθεί ο αριθμός των μαθημάτων
    • Για να αποτρέψετε την κατάρρευση του μοντέλου όλων των ενσωματώσεων σε ένα σημείο
    • Να μετατρέψουμε τις αποστάσεις σε πιθανότητες
  3. Ποιο διάσημο σύστημα του 2015 έκανε δημοφιλή την απώλεια τριπλέτας για την αναγνώριση προσώπου;
    • AlexNet
    • FaceNet
    • ResNet
    • ΜΠΕΡΤ
  4. Τι βγάζει ένα εκπαιδευμένο μοντέλο μετρικής εκμάθησης για κάθε είσοδο;
    • Μόνο μια ετικέτα τάξης
    • Ένα πλαίσιο οριοθέτησης
    • Ενιαία βαθμολογία πιθανότητας
    • Ένα διάνυσμα ενσωμάτωσης του οποίου οι αποστάσεις αντικατοπτρίζουν την ομοιότητα
  5. Γιατί η εκμάθηση μετρήσεων είναι κατάλληλη για προβλήματα ανοιχτού συνόλου, όπως η προσθήκη νέων προσώπων;
    • Επανεκπαιδεύει ολόκληρο το δίκτυο για κάθε νέα ταυτότητα
    • Λειτουργεί μόνο όταν όλες οι κατηγορίες είναι γνωστές εκ των προτέρων
    • Η σύγκριση βασίζεται στην απόσταση, επομένως οι νέες ταυτότητες δεν χρειάζονται επανεκπαίδευση
    • Απομνημονεύει μια σταθερή λίστα εξόδων
  6. Οι ενσωματώσεις στη μετρική εκμάθηση είναι συχνά κανονικοποιημένες με L2. Τι αποτέλεσμα έχει αυτό;
    • Τοποθετεί ενσωματώσεις σε μια μονάδα υπερσφαίρας, ώστε οι αποστάσεις να παραμένουν περιορισμένες και συγκρίσιμες
    • Καταργεί την ανάγκη για οποιαδήποτε λειτουργία απώλειας
    • Μετατρέπει το δίκτυο σε ταξινομητή
    • Διπλασιάζει τη διάσταση ενσωμάτωσης
  7. Under max(0, d(a,p) minus d(a,n) plus margin), d(a,p)=0.3, d(a,n)=0.8 and margin=0.2 yield what loss?
    • 0.3
    • 0.7
    • 1.3
    • 0
  8. A positive margin is 0.2 and every embedding collapses to the same point. What loss does that triplet formula give?
    • 0, because both distances are equal
    • 0.2, so collapse has not satisfied the separation objective
    • 1, regardless of the margin
    • A negative loss of minus 0.2