जनरेटिव एडवरसैरियल नेटवर्क क्विज़

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

1. GAN में दो प्रतिस्पर्धी नेटवर्क कौन से हैं?
   • एक एनकोडर और एक डिकोडर
   • एक पाठक और एक लेखक
   • दो समान प्रतियाँ जो हमेशा सहमत होती हैं
   • एक जनरेटर जो नकली बनाता है और एक विभेदक जो उनका मूल्यांकन करता है
2. In the original unconditional GAN formulation, what input does the generator transform into a sample?
   • A guaranteed copy of a finished real image
   • Sampled latent noise
   • The discriminator's parameter file
   • A fixed human-written answer key
3. What adversarial learning signal can reach a GAN generator through its discriminator?
   • Gradients of the generator objective with respect to its parameters
   • A rule that every generated image is correct
   • A prohibition against all conditional image inputs
   • A copy of every discriminator weight as the output image
4. GAN में 'मोड पतन' क्या है?
   • विवेचक सभी डेटा हटा देता है
   • नेटवर्क की मेमोरी ख़त्म हो जाती है
   • जनरेटर विविधता के बजाय केवल कुछ दोहराव वाले आउटपुट उत्पन्न करता है
   • छवि रिज़ॉल्यूशन स्वचालित रूप से दोगुना हो जाता है
5. Which researchers introduced the GAN framework in the 2014 paper?
   • Alan Turing alone in 1950
   • इयान गुडफेलो और सहकर्मी
   • Geoffrey Hinton alone in 2006
   • Yann LeCun alone in 1998
6. How can a conventional feed-forward GAN generator produce one sample after training?
   • By requiring exactly a thousand discriminator updates at inference
   • By retrieving an unchanged target image in every case
   • Without evaluating any learned computation
   • With one forward evaluation of the generator
7. At the ideal original GAN equilibrium where generated and real distributions match, what probability does the optimal discriminator assign to an example being real?
   • Zero for every example
   • One for every example
   • One-half
   • A probability greater than one
8. In the conditional GAN formulation, where can a class label or other condition be supplied?
   • To both the generator and the discriminator
   • Only to an unrelated output filename
   • To neither network by definition
   • Only after all training and generation have finished