ट्रिपलेट लॉस और मेट्रिक लर्निंग क्विज़

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

1. त्रिक हानि में कौन से तीन इनपुट त्रिक बनाते हैं?
   • एंकर, सकारात्मक और नकारात्मक
   • इनपुट, छिपी हुई परत और आउटपुट
   • क्वेरी, कुंजी और मान
   • प्रशिक्षण, सत्यापन और परीक्षण नमूने
2. त्रिक हानि में मार्जिन अवधि क्यों शामिल है?
   • मैट्रिक्स गुणन में तेजी लाने के लिए
   • कक्षाओं की संख्या बढ़ाना
   • मॉडल को सभी एम्बेडिंग को एक बिंदु पर ढहने से रोकने के लिए
   • दूरियों को संभावनाओं में बदलने के लिए
3. 2015 की किस प्रसिद्ध प्रणाली ने चेहरे की पहचान के लिए ट्रिपल लॉस को लोकप्रिय बनाया?
   • एलेक्सनेट
   • फेसनेट
   • रेसनेट
   • बर्ट
4. प्रत्येक इनपुट के लिए एक प्रशिक्षित मीट्रिक-लर्निंग मॉडल क्या आउटपुट देता है?
   • केवल एक क्लास लेबल
   • एक बाउंडिंग बॉक्स
   • एकल संभाव्यता स्कोर
   • एक एम्बेडिंग वेक्टर जिसकी दूरियाँ समानता दर्शाती हैं
5. नए चेहरों को जोड़ने जैसी ओपन-सेट समस्याओं के लिए मीट्रिक सीखना उपयुक्त क्यों है?
   • यह प्रत्येक नई पहचान के लिए पूरे नेटवर्क को पुनः प्रशिक्षित करता है
   • यह तभी काम करता है जब सभी कक्षाएं पहले से ज्ञात हों
   • तुलना दूरी पर निर्भर करती है, इसलिए नई पहचान के लिए दोबारा प्रशिक्षण की आवश्यकता नहीं होती
   • यह आउटपुट की एक निश्चित सूची को याद रखता है
6. मीट्रिक शिक्षण में एम्बेडिंग अक्सर L2-सामान्यीकृत होती है। इसका क्या प्रभाव पड़ता है?
   • यह एक इकाई हाइपरस्फेयर पर एम्बेडिंग रखता है ताकि दूरियां सीमित और तुलनीय रहें
   • यह किसी भी हानि फ़ंक्शन की आवश्यकता को हटा देता है
   • यह नेटवर्क को एक क्लासिफायरियर में परिवर्तित करता है
   • यह एम्बेडिंग आयाम को दोगुना कर देता है
7. Under max(0, d(a,p) minus d(a,n) plus margin), d(a,p)=0.3, d(a,n)=0.8 and margin=0.2 yield what loss?
   • 0.3
   • 0.7
   • 1.3
   • 0
8. A positive margin is 0.2 and every embedding collapses to the same point. What loss does that triplet formula give?
   • 0, because both distances are equal
   • 0.2, so collapse has not satisfied the separation objective
   • 1, regardless of the margin
   • A negative loss of minus 0.2