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.

Percorsi guida correlatiAdattamento del dominio
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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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