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.
- 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
- Hármas veszteség esetén mi a három bemenet?
- Bemenet, rejtett, kimenet
- Horgony, pozitív és negatív
- Vonat, érvényesítés, teszt
- Kódoló, dekódoló, osztályozó
- 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
- 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
- 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
- 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
- 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
- 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