Cuestionario vinculado a una guía · Medio Nivel

Cuestionario sobre DenseNet y conectividad densa

Pruebe la concatenación de mapas de características, la tasa de crecimiento, la reutilización directa de características, la compresión de transiciones, las rutas de gradiente y el recuento de canales.

Rutas de guía relacionadasDensenet y conectividad densa
Pregunta 1 de 8

¿Qué operación utiliza DenseNet para combinar mapas de características de capas anteriores?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué operación utiliza DenseNet para combinar mapas de características de capas anteriores?
    • Concatenación por canales
    • Suma de elementos
    • Agrupación máxima entre capas
    • Multiplicación por elementos
  2. En DenseNet, ¿qué controla la 'tasa de crecimiento' k?
    • El calendario de tasas de aprendizaje.
    • El tamaño de la ventana de agrupación
    • La cantidad de mapas de características nuevos que produce cada capa.
    • El número de bloques densos.
  3. ¿Cuántas conexiones directas existen entre L capas en un bloque denso?
    • L
    • L(L+1)/2
    • 2L
    • L al cuadrado
  4. ¿Cuál es el objetivo principal de las capas de transición en DenseNet?
    • Para agregar atajos residuales
    • Para aumentar la tasa de crecimiento
    • Para aplicar solo abandono
    • Para reducir la resolución y el tamaño del mapa de características entre bloques densos
  5. ¿Un beneficio clave de la conectividad densa es que ayuda a mitigar qué problema de capacitación?
    • Sobreadaptación al color
    • Tamaños de lote explosivos
    • El problema del gradiente fugaz
    • Ruido de etiqueta
  6. En comparación con ResNet con una precisión similar en ImageNet, DenseNet-BC normalmente utiliza:
    • Mucho menos parámetros
    • Muchos más parámetros
    • Sobre los mismos parámetros
    • Sin convoluciones en absoluto
  7. A late DenseNet layer needs an edge feature learned near the input. Why can it use that map directly?
    • Only the final layer can see edge features
    • DenseNet resets all maps after each layer
    • Transition layers reconstruct every earlier map from scratch
    • Earlier feature maps remain among its concatenated inputs
  8. A dense block begins with m channels and three layers each add k new maps. How many channels emerge before a transition?
    • 3m + k
    • m + 3k
    • m times k cubed
    • Only k, because old maps are discarded