Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Sziámi hálózatok és Triplet Loss kvíz

Checks shared encoders, embedding distances, triplet margins and how hard-negative examples affect the learning signal. carefully.

kérdés 1 -ból 8

Mi a sziámi hálózat meghatározó építészeti jellemzője?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mi a sziámi hálózat meghatározó építészeti jellemzője?
    • Két vagy több azonos ág, amelyek azonos súlyúak
    • Egyetlen ág rejtett rétegek nélkül
    • Külön hálózatok teljesen független súlyokkal
    • Ismétlődő hurok időbeli lépésekkel
  2. Hármas veszteség esetén mi a három bemenet?
    • Bemenet, rejtett, kimenet
    • Horgony, pozitív és negatív
    • Vonat, érvényesítés, teszt
    • Kódoló, dekódoló, osztályozó
  3. Mit kényszerít ki a triplet elvesztési célkitűzése?
    • A horgonynak és a negatívnak azonosnak kell lennie
    • Minden beágyazásnak egyetlen pontra kell összecsukódnia
    • A rögzítési pozitív távolságnak egy margóval kisebbnek kell lennie, mint a horgony negatív távolságának
    • A pozitívnak és a negatívnak egyenlő távolságra kell lennie a horgonytól
  4. Miért fontos a „kemény-negatív bányászat” a tripletveszteség edzéséhez?
    • Minden pozitívumot eltávolít az edzésből
    • Sekélyebbé teszi a hálózatot
    • A távolság mérőszámát címkével helyettesíti
    • Az egyszerű negatívok már kielégítik a margót, és nulla hasznos gradienst eredményeznek
  5. Milyen képesség teszi értékessé a sziámi hálózatokat az „egyszeri tanuláshoz”?
    • Összehasonlíthatják az új bemenetet egyetlen referenciával, és megítélhetik a hasonlóságot, még a nem látott osztályok esetében is
    • Osztályonként több ezer címkézett példára van szükségük
    • Csak rögzített, előre meghatározott kategóriákba sorolhatók
    • Nem tudnak általánosítani a képzési identitásokon túl
  6. Egy sziámi hálózat általában hogyan dönti el, hogy két bemenet egyezik-e?
    • A nyers pixelértékek összegzésével
    • Összehasonlítva a beágyazási vektoraik távolságát egy küszöbértékkel
    • A felhasznált rétegek számának megszámlálásával
    • Mindegyikhez véletlenszerű osztálycímkét rendelve
  7. For triplet loss max(0, d(a,p) − d(a,n) + m), let d(a,p)=0.2, d(a,n)=0.8 and m=0.3. What is the loss?
    • 0.3
    • 0.5
    • 0
    • 1.1
  8. What happens when a negative example is already farther from the anchor than the required margin?
    • The anchor and positive embeddings are discarded
    • The loss forces the negative closer to the anchor
    • The network switches to classification mode
    • The triplet loss becomes zero and that example gives no useful gradient