Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Szűk keresztmetszetű építészeti kvíz
Checks channel reduction, compute savings, inverted residuals, low-rank updates and the shared dimensionality constraint behind bottlenecks.
kérdés 1 -ból 8
Mi a szerepe egy ResNet szűk keresztmetszet blokkban az első 1x1 konvolúciónak?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mi a szerepe egy ResNet szűk keresztmetszet blokkban az első 1x1 konvolúciónak?
- A csatornák számának csökkentése a 3x3 konvolúció előtt
- A térbeli felbontás növelésére
- A végső osztályozás alkalmazása
- Zaj hozzáadásához a rendszerezéshez
- Egy szűk keresztmetszet miért teszi olcsóbbá a mélyhálózatok számítását?
- Eltávolítja az összes aktiválást
- Kevesebb csatornán végez költséges műveleteket
- Mindenhol nagyobb kernelt használ
- Kihagyja a visszaszaporítást
- Az autoencoderben a szűk keresztmetszet réteg elsősorban a következőket határozza meg:
- Az optimalizáló választása
- A képfájl formátuma
- Mennyire van tömörítve a bemenet
- A tétel mérete
- A MobileNetV2 a szűk keresztmetszet ötlet melyik változatát használja?
- Tiszta összevonási szűk keresztmetszet
- Visszatérő szűk keresztmetszet
- Egyáltalán nincs szűk keresztmetszet
- Fordított maradék szűk keresztmetszet (kibontás, majd összehúzódás)
- Hogyan alkalmazza a LoRA a szűk keresztmetszetek elveit a nagy nyelvi modelleknél?
- Egy edzhető alacsony rangú (szűk) szűk keresztmetszet beillesztésével a súlyfrissítésekbe
- A figyelemrétegek törlésével
- Minden súly megduplázásával
- 1 bitesre kvantálással
- Melyik csatornamintát követi egy tipikus ResNet szűk keresztmetszet-blokk?
- Széles, széles, széles
- Csökkentés, feldolgozás, visszaállítás (pl. 256-64-256)
- Keskeny, széles, keskeny
- Véletlenszerű rétegenként
- A ResNet block reduces 256 channels to 64 before its 3×3 convolution. Ignoring the 1×1 layers, what is the 3×3 layer’s approximate multiply-add cost relative to 256 channels?
- About one-quarter
- About one-half
- About one-sixteenth
- About four times as much
- An autoencoder uses a narrow latent code. What constraint does this impose on reconstruction?
- The encoder must preserve every input pixel exactly
- The network can no longer use learned weights
- The decoder must expand the latent code before encoding
- The decoder must reconstruct the input from a compressed representation