ग्रेडिएंट डिसेंट क्विज़

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

1. In plain gradient descent, which direction is used relative to the objective's gradient?
   • The negative-gradient direction
   • The positive-gradient direction
   • An arbitrary perpendicular direction by definition
   • A direction chosen without evaluating any gradient
2. सीखने की दर क्या नियंत्रित करती है?
   • मॉडल में परतों की संख्या
   • मॉडल कितने वर्गों की भविष्यवाणी कर सकता है
   • अनुकूलन के दौरान उठाए गए प्रत्येक चरण का आकार
   • उपयोग किए गए प्रशिक्षण डेटा की मात्रा
3. How does a mini-batch gradient relate to the full selected training-data objective?
   • It uses no examples
   • It is computed on the batch and used as an estimate of the full-data gradient
   • It must equal the full-data gradient on every step
   • It only exists for images
4. बहुत अधिक सीखने की दर किस समस्या का कारण बन सकती है?
   • प्रशिक्षण बेहद धीमा लेकिन स्थिर हो जाता है
   • मॉडल ग्रेडिएंट को नजरअंदाज करता है
   • डेटासेट दूषित हो जाता है
   • मॉडल न्यूनतम से अधिक हो जाता है और विचलन कर सकता है
5. What information does momentum carry into later gradient-descent updates?
   • Only the model's vocabulary size
   • A permanent deletion of all earlier gradients
   • A running weighted combination of earlier gradients
   • An unrelated random reset of every weight
6. प्लेन ग्रेडिएंट डिसेंट की तुलना में एडम ऑप्टिमाइज़र की प्रमुख विशेषता क्या है?
   • यह प्रत्येक पैरामीटर के लिए प्रभावी सीखने की दर को अनुकूलित करता है
   • यह प्रत्येक पैरामीटर के लिए एकल निश्चित चरण का उपयोग करता है
   • इसमें ग्रेडियेंट की आवश्यकता नहीं है
   • यह केवल आउटपुट लेयर को प्रशिक्षित करता है
7. For plain gradient descent with old weight two, gradient three, and learning rate one-tenth, what is the new weight?
   • Two-point-three
   • One-point-nine-seven
   • तीन
   • One-point-seven
8. What does a zero gradient fail to prove for a nonconvex training objective?
   • That the gradient value is zero at the evaluated point
   • That the current point is a global minimum
   • That the objective has been evaluated locally
   • That a stationary-point condition holds