Cuestionario vinculado a una guía · Medio Nivel

Prueba de redes residuales

Revise el cálculo de bloques residuales, los atajos de identidad, las rutas de gradiente, la profundidad de la era ImageNet y cómo se repiten los residuos en las arquitecturas neuronales.

Rutas de guía relacionadasRedes Residuales
Pregunta 1 de 8

¿Qué problema resolvieron específicamente las conexiones residuales?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué problema resolvieron específicamente las conexiones residuales?
    • Las redes planas más profundas se entrenan peor que las menos profundas (degradación)
    • Las imágenes tienen una resolución demasiado baja.
    • Escasez de datos de entrenamiento etiquetados
    • Las GPU se están quedando sin memoria
  2. What does a basic residual block compute when input and output dimensions match?
    • Multiplies the input by itself
    • Adds the block’s learned residual function to its input, y = F(x) + x
    • Drops the input and returns zero
    • Sorts input channels alphabetically
  3. ¿Por qué saltar conexiones ayuda a los gradientes durante el entrenamiento?
    • They eliminate the need to train weights
    • They force every layer to output zero
    • They provide an additional direct path for gradient flow around the learned transformation
    • They make deep networks immune to all optimization problems
  4. How deep was the deepest ResNet evaluated in the original ImageNet paper?
    • 18 layers
    • 34 layers
    • 50 layers
    • 152 capas
  5. Si las capas de un bloque residual aprenden F(x) = 0, ¿qué hace el bloque?
    • Efectivamente pasa la entrada sin cambios (identidad)
    • Genera cero y rompe la red.
    • Duplica la entrada
    • Aleatoriza la salida.
  6. What residual connection does the Transformer paper describe around attention and feed-forward sublayers?
    • Replace the sublayer input with a class label
    • Add each sublayer’s output to the sublayer input through a residual connection
    • Average every token globally at the output only
    • Remove the residual stream after self-attention
  7. When a residual block changes channel dimensions, what can a projection shortcut do?
    • Convert the input into a text sequence
    • Remove the residual branch
    • Map the shortcut input to the dimensions required for addition
    • Guarantee that every gradient has unit magnitude
  8. What sequence of convolutions defines the original ResNet bottleneck block?
    • Three 3×3 convolutions only
    • A 3×3 convolution followed by two fully connected layers
    • A pooling layer followed by two transposed convolutions
    • A 1×1, then 3×3, then 1×1 convolution