डेटा संवर्धन प्रश्नोत्तरी

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

1. डेटा संवर्द्धन का प्राथमिक उद्देश्य क्या है?
   • प्रशिक्षण डेटा का विस्तार और विविधता लाना ताकि मॉडल बेहतर सामान्यीकरण कर सकें
   • एक प्रशिक्षित मॉडल पर अनुमान को तेज करने के लिए
   • डिस्क पर डेटासेट के आकार को संपीड़ित करने के लिए
   • लेबल रहित उदाहरणों को स्वचालित रूप से लेबल करना
2. इनमें से कौन सी एक सामान्य छवि संवर्धन तकनीक है?
   • क्रमिक अवतरण
   • यादृच्छिक क्षैतिज फ़्लिपिंग
   • टोकनीकरण
   • ड्रॉपआउट
3. पाठ संवर्धन में बैक-ट्रांसलेशन क्या करता है?
   • एक वाक्य में शब्दों के क्रम को उलट देता है
   • पाठ से सभी रोक शब्द हटा देता है
   • पाठ का दूसरी भाषा में अनुवाद करता है और फिर पैराफ़्रेज़ बनाता है
   • टेक्स्ट को संख्यात्मक एम्बेडिंग में परिवर्तित करता है
4. संवर्द्धन 'लेबल-संरक्षित' क्यों होना चाहिए?
   • डेटासेट फ़ाइल का आकार स्थिर रखने के लिए
   • प्रशिक्षण को तेजी से चलाने के लिए
   • क्योंकि मॉडल अन्यथा लेबल नहीं पढ़ सकते हैं
   • क्योंकि लेबल बदलने से मॉडल को गलत संगति सिखाई जाएगी
5. मिक्सअप तकनीक क्या करती है?
   • दो उदाहरणों और उनके लेबलों को एक प्रशिक्षण नमूने में मिश्रित करता है
   • किसी छवि के आयताकार क्षेत्र को छुपाता है
   • सर्वोत्तम वृद्धि नीति स्वचालित रूप से खोजती है
   • मॉडल भार में यादृच्छिक शोर जोड़ता है
6. डेटा संवर्द्धन विशेष रूप से कब मूल्यवान है?
   • जब आपके पास पहले से ही असीमित लेबल वाला डेटा हो
   • जब लेबल किया गया डेटा दुर्लभ होता है और अधिक एकत्र करना कठिन होता है
   • केवल तभी जब मॉडल पूरी तरह से प्रशिक्षित हो
   • केवल सारणीबद्ध स्प्रेडशीट डेटा के लिए
7. What does CutMix do to an image and its training label?
   • It adds a random word to a sentence without changing the label
   • It swaps only class names in the dataset
   • It replaces a patch with a patch from another image and mixes labels by the replaced area
   • It blurs every input and keeps a single label unchanged
8. How does AutoAugment select augmentation policies in its original paper?
   • It chooses transformations from a fixed human-written list without evaluation
   • It uses test labels to relabel training images
   • It selects operations from inference-time confidence only
   • It searches for policies using validation performance as a reward signal