Kuis terkait panduan · Sedang Tingkat

Kuis Arsitektur Kemacetan

Memeriksa pengurangan saluran, penghematan komputasi, residu terbalik, pembaruan peringkat rendah, dan batasan dimensi bersama di balik kemacetan.

Jalur panduan terkaitArsitektur Kemacetan
Pertanyaan 1 dari 8

Dalam blok kemacetan ResNet, apa peran konvolusi 1x1 pertama?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Dalam blok kemacetan ResNet, apa peran konvolusi 1x1 pertama?
    • Untuk mengurangi jumlah saluran sebelum konvolusi 3x3
    • Untuk meningkatkan resolusi spasial
    • Untuk menerapkan klasifikasi akhir
    • Untuk menambahkan kebisingan untuk regularisasi
  2. Mengapa kemacetan membuat jaringan dalam lebih murah untuk dihitung?
    • Ini menghapus semua aktivasi
    • Ia melakukan operasi mahal pada saluran yang lebih sedikit
    • Ia menggunakan kernel yang lebih besar di mana-mana
    • Ini melewatkan propagasi mundur
  3. Dalam autoencoder, lapisan hambatan terutama menentukan:
    • Pilihan pengoptimal
    • Format file gambar
    • Berapa banyak input yang dikompresi
    • Ukuran kumpulan
  4. MobileNetV2 menggunakan varian ide kemacetan yang mana?
    • Kemacetan pengumpulan murni
    • Kemacetan yang berulang
    • Tidak ada hambatan sama sekali
    • Kemacetan sisa yang terbalik (perluas lalu kontraksikan)
  5. Bagaimana LoRA menerapkan prinsip-prinsip kemacetan pada model bahasa besar?
    • Dengan memasukkan hambatan tingkat rendah (sempit) yang dapat dilatih ke dalam pembaruan bobot
    • Dengan menghapus lapisan perhatian
    • Dengan menggandakan semua bobot
    • Dengan mengkuantisasi menjadi 1 bit
  6. Blok hambatan ResNet yang khas mengikuti pola saluran yang mana?
    • Lebar, lebar, lebar
    • Kurangi, proses, pulihkan (misalnya, 256 hingga 64 hingga 256)
    • Sempit, lebar, sempit
    • Acak per lapisan
  7. 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
  8. 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