Κουίζ Μεταβλητών Αυτοκωδικοποιητών

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Τι βγάζει ο κωδικοποιητής σε μια έξοδο VAE για μια δεδομένη είσοδο;
   • Οι παράμετροι μιας κατανομής πιθανοτήτων, όπως ο μέσος όρος και η διακύμανση
   • Ένα μόνο σταθερό σημείο σε λανθάνον χώρο
   • Ετικέτα τάξης
   • Ένα ανακατασκευασμένο αντίγραφο της εισόδου
2. Ποιος είναι ο σκοπός του κόλπου της επαναπαραμετροποίησης;
   • Για να γίνει μεγαλύτερος ο αποκωδικοποιητής
   • Για να επιτραπεί στις κλίσεις να ρέουν μέσω του βήματος τυχαίας δειγματοληψίας
   • Για να αφαιρέσετε την ανάγκη για αποκωδικοποιητή
   • Για περαιτέρω συμπίεση του λανθάνοντος χώρου
3. In the standard Gaussian VAE formulation, what does the KL term encourage?
   • The decoder to predict future input tokens
   • The encoder to remove all randomness
   • The approximate posterior to stay close to the chosen prior, commonly a standard normal
   • Every latent variable to have the same observed value
4. Η αντικειμενική συνάρτηση που μεγιστοποιούν τα VAE κατά τη διάρκεια της εκπαίδευσης ονομάζεται:
   • Οροφή διασταυρούμενης εντροπίας
   • Εναντίον απώλεια
   • Μέσο τετραγωνικό περιθώριο
   • Κάτω όριο αποδείξεων (ELBO)
5. In a Gaussian VAE, what enables generation of a new sample?
   • Sample a latent from the prior and decode it with the learned decoder
   • Copy a training image directly without a model
   • Run the encoder backward with no latent sampling
   • Choose a random class label without decoding
6. Σε ένα μοντέλο λανθάνουσας διάχυσης όπως το Stable Diffusion, τι ρόλο παίζει το VAE;
   • Προσθέτει ετικέτες στις εικόνες εκπαίδευσης
   • Συμπιέζει τις εικόνες σε έναν λανθάνοντα χώρο όπου εκτελείται η διάχυση και, στη συνέχεια, αποκωδικοποιεί πίσω σε pixel
   • Αντικαθιστά τον κωδικοποιητή κειμένου
   • Προγραμματίζει τα επίπεδα θορύβου
7. In variational inference, what does the ELBO provide for the marginal log likelihood log p(x)?
   • An exact value of log p(x) for every model
   • A guarantee that each generated sample is realistic
   • A tractable lower bound that can be maximized instead of directly maximizing log p(x)
   • A posterior distribution that requires no inference model
8. What distribution does a VAE decoder model given a latent vector?
   • The encoder’s approximate posterior q(z|x)
   • The training set’s class-frequency histogram only
   • The optimizer’s learning-rate schedule
   • The likelihood of an observation conditioned on that latent, p(x|z)