Quiz collegato alla guida · Medio Livello

Quiz sulle convoluzioni separabili in profondità

Applica la suddivisione in profondità e in punti, confronta i costi di convoluzione, calcola un piccolo esempio e riconosci la progettazione efficiente del modello mobile.

Domanda 1 di 8

Quali sono i due passaggi in cui una convoluzione separabile in profondità divide una convoluzione standard?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Quali sono i due passaggi in cui una convoluzione separabile in profondità divide una convoluzione standard?
    • Una fase di pooling seguita da una fase di normalizzazione
    • Due convoluzioni 3x3 impilate con una ReLU tra di loro
    • Un filtro spaziale in profondità per canale, quindi un mix di canali puntuali 1x1
    • Una convoluzione del codificatore e una deconvoluzione del decodificatore
  2. Nella fase approfondita, come vengono trattati i canali di ingresso?
    • Ogni canale viene filtrato in modo indipendente con il proprio kernel
    • Tutti i canali vengono prima sommati
    • I canali vengono mescolati casualmente prima del filtraggio
    • Solo il primo canale è contorto
  3. For many output channels, what operation-count reduction does the guide associate with a 3×3 depthwise separable convolution?
    • Circa 2 volte meno
    • Circa 100 volte meno
    • Utilizza più calcoli, non meno
    • Circa 8-9 volte meno
  4. Qual è il ruolo della convoluzione puntuale (1x1) in questo progetto?
    • Per sottocampionare la risoluzione spaziale
    • Per combinare le informazioni attraverso i canali in ciascuna sede
    • Per aggiungere codifiche posizionali
    • Per rimuovere i termini pregiudiziali
  5. Quale nota architettura ha reso popolari le convoluzioni separabili in profondità per i dispositivi mobili?
    • MobileNet
    • ResNet
    • AlexNet
    • LSTM
  6. An implementation applies only the depthwise spatial filters and omits the pointwise layer. Which capability is missing from that block?
    • Spatial filtering within each channel
    • Separate kernels for the input channels
    • Learned combination of information across channels
    • Local spatial feature extraction
  7. Using the guide’s formulas with M = 4 input channels and N = 16 outputs, how many multiply-adds per location do standard and separable 3×3 convolutions require?
    • Standard 100; separable 576
    • Standard 576; separable 100
    • Standard 576; separable 36
    • Standard 64; separable 100
  8. In the guide’s cost ratio 1/N + 1/9 for a 3×3 separable convolution, what happens as the output-channel count N becomes very large?
    • The ratio approaches 9
    • The ratio approaches zero
    • The ratio becomes independent of kernel size for every kernel
    • The ratio approaches 1/9