Útmutatóhoz kapcsolódó kvíz · Könnyű Szint
Mélytanulási kvíz
Teszteld a többrétegű hálózatokat, a paraméterszámolást, a nemlineáriságokat, a képzés és az inferencia közötti különbséget, a generalizációt és a modell pontszámainak kalibrált értelmezését.
kérdés 1 -ból 8
Mit jelent a „mély” egy mélytanulási modellben?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mit jelent a „mély” egy mélytanulási modellben?
- Egy neurális hálózati architektúra több réteggel az input és output között
- Egy modell, amely mély emberi szinten érti a témákat
- Egy rendszer, amely csak rendkívül nagy adathalmazokon van kiképzve
- Egy módszer, amely magasabb feladatpontosságot garantál
- Egy hálózatnak 2 bemenete, 3 és 2 egységű rejtett rétegei, valamint 1 kimenete van. Minden rejtett/kimeneti egységhez bias tartozik, hány súly és bias van összesen?
- 14
- 20
- 18
- 23
- Miért használunk nemlineáris aktivációkat a rejtett rétegek között?
- Minden rejtett egységet címkézett tanulási példává alakítanak
- Garantálják, hogy a hálózat általánosítson a láthatatlan adatokra
- Nélkülük a lineáris transzformációk egymásra halmozása továbbra is lineáris transzformációt eredményez
- Eltávolítják a tanult súlyok szükségességét
- Az inferencia során mi történik általában a betanított modell paramétereivel?
- Minden bemenet után újra vannak tanítva
- A promptban lévő címkékkel helyettesítik őket
- Minden kimenet előtt visszaállítják őket
- A modell ezeket használja egy bemenet feldolgozásához anélkül, hogy feltétlenül frissítené őket
- Egy modell szorosan illeszkedik a betanítási példákra, de gyenge teljesítményt nyújt hasonló, elkülönített adatokon. Milyen mintát mutat ez?
- Túlszerelés
- Alulilleszkedés
- Jó általánosítás
- Garancia arra, hogy a címkék helyesek
- Miért hasonlítunk össze egy mélyebb hálózatot egy egyszerűbb kiinduló modellel a tartalék példákon?
- Mert az egyszerűbb modellek mindig felülmúlják a neurális hálózatokat
- Azért, hogy lássuk, a hozzáadott komplexitás elég-e a feladat javításához ahhoz, hogy megérje a gyakorlati költségeket
- Mert a mélyebb modelleket nem lehet új adatokon kiértékelni
- Hiba minták ellenőrzésének elkerülése
- Egy osztályozó 0,9 pontszámot ad vissza. Mit állapít meg ez önmagában?
- A jóslat 90%-ban helyes minden feladatnál
- A modellt telepítési adatokkal kalibrálták
- Ez egy modellpontszám, nem bizonyíték arra, hogy 90%-os helyesség van
- A rendszer 90%-os bizonyossággal értelmezi a példát
- Mit bizonyít önmagában, ha több réteget adunk hozzá egy modellhez?
- Hogy megértse a bemeneteket, mint egy ember
- Hogy felülmúlja a egyszerűbb modellt
- Hogy hibái ártalmatlanok legyenek
- Semmi önmagában; értékelje a célzott feladaton és a releváns példákon