बॉटलनेक आर्किटेक्चर प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. रेसनेट बॉटलनेक ब्लॉक में, पहले 1x1 कनवल्शन की क्या भूमिका है?
   • 3x3 कनवल्शन से पहले चैनलों की संख्या कम करने के लिए
   • स्थानिक संकल्प को बढ़ाने के लिए
   • अंतिम वर्गीकरण लागू करना
   • नियमितीकरण के लिए शोर जोड़ना
2. एक अड़चन गहरे नेटवर्क की गणना को सस्ता क्यों बना देती है?
   • यह सभी सक्रियणों को हटा देता है
   • यह कम चैनलों पर महंगा ऑपरेशन करता है
   • यह हर जगह बड़ी गुठली का उपयोग करता है
   • यह बैकप्रोपेगेशन को छोड़ देता है
3. एक ऑटोएन्कोडर में, टोंटी परत मुख्य रूप से निर्धारित करती है:
   • अनुकूलक विकल्प
   • छवि फ़ाइल स्वरूप
   • इनपुट कितना संपीड़ित है
   • बैच का आकार
4. MobileNetV2 टोंटी विचार के किस संस्करण का उपयोग करता है?
   • शुद्ध पूलिंग बाधा
   • आवर्ती अड़चन
   • बिल्कुल कोई रुकावट नहीं
   • उलटा अवशिष्ट बाधा (विस्तार फिर अनुबंध)
5. LoRA बड़े भाषा मॉडलों पर अड़चन सिद्धांतों को कैसे लागू करता है?
   • वज़न अपडेट में प्रशिक्षण योग्य निम्न-रैंक (संकीर्ण) बाधा डालकर
   • ध्यान की परतें मिटाकर
   • सभी वज़न को दोगुना करके
   • 1 बिट तक मात्रा निर्धारित करके
6. एक विशिष्ट ResNet टोंटी ब्लॉक किस चैनल पैटर्न का अनुसरण करता है?
   • चौड़ा, चौड़ा, चौड़ा
   • कम करें, प्रक्रिया करें, पुनर्स्थापित करें (जैसे, 256 से 64 से 256)
   • संकीर्ण, चौड़ा, संकीर्ण
   • प्रति परत यादृच्छिक
7. A ResNet block reduces 256 channels to 64 before its 3×3 convolution. Ignoring the 1×1 layers, what is the 3×3 layer’s approximate multiply-add cost relative to 256 channels?
   • About one-quarter
   • About one-half
   • About one-sixteenth
   • About four times as much
8. An autoencoder uses a narrow latent code. What constraint does this impose on reconstruction?
   • The encoder must preserve every input pixel exactly
   • The network can no longer use learned weights
   • The decoder must expand the latent code before encoding
   • The decoder must reconstruct the input from a compressed representation