Quiz collegato alla guida · Medio Livello
Quiz sull'adattamento del dominio
Testare spostamenti di origine e destinazione, gradienti di dominio invertiti, scarsità di etichette di destinazione, metodi privi di origine e obiettivi di classificazione separati.
Domanda 1 di 8
Quale problema è principalmente progettato per risolvere l'adattamento del dominio?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Quale problema è principalmente progettato per risolvere l'adattamento del dominio?
- Ridurre il numero di parametri del modello
- Accelerare la moltiplicazione delle matrici sulle GPU
- Calo delle prestazioni quando i dati del test differiscono dai dati di addestramento
- Generazione automatica di etichette di formazione sintetiche
- In una rete contraddittoria di dominio, cosa realizza lo strato di inversione del gradiente?
- Spinge l'estrattore di funzionalità per rendere indistinguibili origine e destinazione
- Elimina il classificatore di dominio durante l'inferenza
- Raddoppia il tasso di apprendimento per una formazione più rapida
- Converte gli output della regressione in etichette di classificazione
- Cosa rende particolarmente utile l'adattamento del dominio "non supervisionato"?
- Non richiede alcuna formazione sul modello
- Funziona solo sui dati immagine
- Elimina la necessità di un dominio di origine
- Non necessita di dati etichettati nel dominio di destinazione
- Quale scenario è un classico esempio di spostamento di dominio?
- Un modello addestrato e testato esattamente sullo stesso set di dati
- Un classificatore di tumori addestrato su uno scanner che non funziona su uno scanner diverso
- Un modello che viene eseguito più velocemente dopo la quantizzazione
- Una rete con più livelli di un'altra rete
- Che cosa è progettato per evitare un metodo di adattamento del dominio "senza sorgente"?
- Accesso ai dati di training della fonte originale durante l'adattamento
- Utilizzando qualsiasi architettura di rete neurale
- Produrre eventuali previsioni di output
- In esecuzione su GPU moderne
- Un team inizia l'adattamento da un modello ampiamente pre-addestrato. Cosa dovrebbe ancora misurare?
- Contano solo i parametri
- Solo la precisione dell'addestramento della fonte
- Prestazioni sui dati e sull'attività di destinazione effettivi
- Se la valutazione del target può essere saltata
- Quale responsabile del DANN fornisce l'obiettivo di distinguere gli esempi di origine dagli esempi di destinazione?
- Il vocabolario delle etichette dei compiti
- Il classificatore di domini
- Il file del checkpoint dell'ottimizzatore
- Una dimensione di incorporamento dell'output fissa
- L'inversione del gradiente significa cambiare un'etichetta di classe positiva in un'etichetta di classe negativa?
- SÌ; ogni etichetta di attività viene negata
- Sì; tutti i campioni target vengono rietichettati come origine
- No; blocca il peso di ogni funzionalità
- NO; inverte il gradiente del dominio nell'estrattore di funzionalità