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.
- 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
- 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
- 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
- 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
- Quale nota architettura ha reso popolari le convoluzioni separabili in profondità per i dispositivi mobili?
- MobileNet
- ResNet
- AlexNet
- LSTM
- 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
- 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
- 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