Cuestionario vinculado a una guía · Medio Nivel
Cuestionario sobre redes de carreteras y conexiones omitidas
Pruebe los atajos de compuerta y residuales, los límites de flujo de gradiente, la inspiración de LSTM, los usos de transformadores y U-Net, y el comportamiento de compuerta cero contra uno.
Pregunta 1 de 8
A very deep network struggles with optimization. What can a skip path provide?
Vista previa de cada pregunta8 preguntas
Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.
- A very deep network struggles with optimization. What can a skip path provide?
- A guarantee of perfect gradients at every depth
- A more direct signal and gradient route that can ease training
- A proof that more layers always improve accuracy
- A replacement for the loss function
- ¿Qué calcula un bloque residual básico?
- salida = F(x) multiplicada por x
- salida = x dividido por F(x)
- salida = el máximo de F(x) y x
- salida = F(x) más x, donde x es el atajo de entrada
- ¿Qué inspiró el mecanismo de barreras en las redes de carreteras?
- Puertas LSTM de redes recurrentes
- Agrupación convolucional
- Normalización por lotes
- Abandono
- En una red de carreteras, ¿qué controla la puerta de transformación T(x)?
- La tasa de aprendizaje del optimizador.
- El tamaño de la imagen de salida.
- ¿Qué parte de la entrada se transforma versus qué parte se transporta directamente?
- El número de capas en la red.
- ¿Qué arquitectura moderna se basa en conexiones residuales alrededor de sus subcapas?
- K-medias agrupación
- El árbol de decisiones
- Regresión lineal
- el transformador
- ¿Cómo ayuda específicamente U-Net a la segmentación?
- Eliminan el codificador por completo
- Pasan finos detalles espaciales del codificador al decodificador.
- Convierten la imagen a texto.
- Reducen el número de clases de salida a una.
- In y = F(x)T(x) + x(1-T(x)), what remains when T(x)=0?
- Only F(x)
- The sum 2x
- The carried input x
- A mandatory zero output
- For the same coupled-gate highway form, what remains when T(x)=1?
- The transformed value F(x)
- Only the original x
- F(x) plus x
- An automatically normalized x