Cuestionario vinculado a una guía · Medio Nivel

Prueba de convoluciones separables en profundidad

Aplique la división en profundidad y en puntos, compare los costos de convolución, calcule un pequeño ejemplo y reconozca el diseño eficiente de modelos móviles.

Rutas de guía relacionadasConvoluciones separables en profundidad
Pregunta 1 de 8

¿Cuáles son los dos pasos en los que una convolución separable en profundidad divide una convolución estándar?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Cuáles son los dos pasos en los que una convolución separable en profundidad divide una convolución estándar?
    • Un paso de agrupación seguido de un paso de normalización.
    • Dos convoluciones apiladas de 3x3 con un ReLU entre ellas
    • Un filtro espacial en profundidad por canal, luego una mezcla de canales puntuales 1x1
    • Una convolución de codificador y una deconvolución de decodificador.
  2. En el paso profundo, ¿cómo se tratan los canales de entrada?
    • Cada canal se filtra de forma independiente con su propio núcleo.
    • Todos los canales se suman primero
    • Los canales se mezclan aleatoriamente antes de filtrarlos.
    • Sólo el primer canal está convolucionado.
  3. For many output channels, what operation-count reduction does the guide associate with a 3×3 depthwise separable convolution?
    • Aproximadamente 2 veces menos
    • Aproximadamente 100 veces menos
    • Utiliza más computación, no menos.
    • Alrededor de 8 a 9 veces menos
  4. ¿Cuál es el papel de la convolución puntual (1x1) en este diseño?
    • Para reducir la resolución espacial
    • Combinar información entre canales en cada ubicación.
    • Para agregar codificaciones posicionales
    • Para eliminar los términos de sesgo
  5. ¿Qué arquitectura conocida popularizó las convoluciones separables en profundidad para dispositivos móviles?
    • red móvil
    • Resnet
    • alexnet
    • LSTM
  6. An implementation applies only the depthwise spatial filters and omits the pointwise layer. Which capability is missing from that block?
    • Spatial filtering within each channel
    • Separate kernels for the input channels
    • Learned combination of information across channels
    • Local spatial feature extraction
  7. Using the guide’s formulas with M = 4 input channels and N = 16 outputs, how many multiply-adds per location do standard and separable 3×3 convolutions require?
    • Standard 100; separable 576
    • Standard 576; separable 100
    • Standard 576; separable 36
    • Standard 64; separable 100
  8. In the guide’s cost ratio 1/N + 1/9 for a 3×3 separable convolution, what happens as the output-channel count N becomes very large?
    • The ratio approaches 9
    • The ratio approaches zero
    • The ratio becomes independent of kernel size for every kernel
    • The ratio approaches 1/9