Cuestionario vinculado a una guía · duro Nivel

Prueba de minería negativa difícil y en línea

Pruebe grupos en línea versus fuera de línea, selección por lotes y semirrígida, negativos engañosos y verificaciones de candidatos a distancia.

Rutas de guía relacionadasMinería negativa dura y en línea
Pregunta 1 de 8

¿Por qué la mayoría de los negativos muestreados aleatoriamente proporcionan poca señal de entrenamiento en la pérdida de triplete?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Por qué la mayoría de los negativos muestreados aleatoriamente proporcionan poca señal de entrenamiento en la pérdida de triplete?
    • Suelen estar mal etiquetados
    • Son demasiado pequeños para caber en la memoria.
    • Ya están lejos del ancla, por lo que la pérdida y el gradiente son cercanos a cero.
    • Siempre son iguales a la distancia positiva.
  2. ¿Qué distingue la minería en línea de la minería fuera de línea?
    • La minería en línea utiliza Internet; fuera de línea no
    • La minería en línea selecciona ejemplos difíciles dentro de cada mini lote sobre la marcha
    • La minería en línea solo funciona con texto
    • La minería en línea no requiere pase directo
  3. ¿Qué es un negativo 'semi-duro' tal como se define en FaceNet?
    • Un negativo más cerca que el positivo del ancla.
    • Un negativo que es igual al ancla exactamente.
    • Cualquier negativo elegido al azar
    • Un negativo más lejos que lo positivo pero todavía dentro del margen
  4. En la minería por lotes, ¿qué negativo se elige para cada ancla?
    • El negativo más cercano en el lote.
    • El negativo más lejano del lote.
    • Un negativo aleatorio
    • Lo negativo con la distancia mediana.
  5. ¿Por qué un tamaño de lote mayor tiende a mejorar los resultados del aprendizaje de métricas extraídos?
    • Reduce la dimensión de empotramiento.
    • Elimina la necesidad de un margen.
    • Elimina la función de pérdida.
    • Proporciona un conjunto más rico de candidatos negativos duros por paso.
  6. ¿Cuál es el riesgo conocido de seleccionar los aspectos negativos más duros?
    • Siempre son demasiado fáciles
    • Hacen que la matriz del lote sea más pequeña.
    • Pueden estar mal etiquetados o ser positivos casi duplicados que corrompen la capacitación.
    • Eliminan el degradado por completo.
  7. With positive distance 0.4 and margin 0.2, which negative distance is semi-hard under the described rule?
    • 0,5
    • 0,2
    • 0.8
    • 1.1
  8. Why does ordinary online mining within one minibatch not necessarily find the hardest negative in the entire dataset?
    • Every batch contains the complete dataset
    • Its available candidate pool is the examples in that batch
    • Distance calculations prove no other examples exist
    • The model discards all negative labels