गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर

तंत्रिका वास्तुकला खोज प्रश्नोत्तरी

एनएएस खोज स्थान, एल्गोरिदम, प्रारंभिक खोज लागत, डार्ट्स छूट, वजन साझाकरण और मूल्यांकन चेतावनियों की समीक्षा करें। धारणाओं और दायरे की जाँच करें.

संबंधित मार्गदर्शक पथतंत्रिका वास्तुकला खोज
प्रश्न 1 का 8

न्यूरल आर्किटेक्चर सर्च क्या स्वचालित करता है?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

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

  1. न्यूरल आर्किटेक्चर सर्च क्या स्वचालित करता है?
    • तंत्रिका नेटवर्क की संरचना का डिज़ाइन
    • प्रशिक्षण डेटा को लेबल करना
    • GPU सर्वर को ठंडा करना
    • मॉडलों के लिए दस्तावेज़ लिखना
  2. कौन से तीन घटक NAS पद्धति को परिभाषित करते हैं?
    • डेटासेट, ऑप्टिमाइज़र, और ड्रॉपआउट
    • खोज स्थान, खोज रणनीति और प्रदर्शन अनुमान
    • एनकोडर, डिकोडर और ध्यान
    • प्रशिक्षण, सत्यापन और परीक्षण सेट
  3. What accelerator scale did the original reinforcement-learning NAS paper report for its large search?
    • One GPU for every NAS method
    • A fixed cost of exactly 1,000 GPU-days for every search
    • An experiment using 800 GPUs in that study
    • No accelerator use during architecture search
  4. खोज को कुशल बनाने के लिए DARTS किस मुख्य युक्ति का उपयोग करता है?
    • यह एक ही उदाहरण पर प्रशिक्षण देता है
    • यह सभी छिपी हुई परतों को हटा देता है
    • यह केवल यादृच्छिक खोज का उपयोग करता है
    • यह अलग-अलग आर्किटेक्चर विकल्पों को ग्रेडिएंट्स द्वारा अनुकूलन योग्य निरंतर विकल्पों में बदल देता है
  5. भार-साझाकरण NAS में 'सुपरनेट' क्या है?
    • एक अति-पैरामीटरयुक्त नेटवर्क जिसमें सभी उम्मीदवार आर्किटेक्चर शामिल हैं, जिनका वजन साझा किया गया है
    • अरबों मापदंडों वाला एक नेटवर्क
    • केवल सुपर कंप्यूटर पर चलने वाला नेटवर्क
    • मॉडल की एक बैकअप प्रति
  6. What did the HURRICANE hardware-aware NAS study evaluate?
    • One architecture that is guaranteed optimal on every device
    • Tailored architectures for three hardware types under matched latency constraints
    • A language model trained without any hardware measurements
    • A method that removes latency from architecture evaluation
  7. What is one limitation of weight-sharing NAS supernets?
    • They remove all architecture choices
    • They guarantee the globally best architecture
    • The shared weights can bias architecture rankings relative to training each candidate independently
    • They do not use neural networks
  8. What does a NAS evaluation need to report for a fair comparison?
    • Only the best test score
    • The GPU brand alone
    • The model name without settings
    • Search space, compute budget, validation protocol, and final retraining setup