Quiz collegato alla guida · Difficile Livello
Quiz sul fenomeno della doppia discesa
Esamina la doppia discesa vicino all'interpolazione e il modo in cui il fenomeno può variare in base alle dimensioni del modello, alle dimensioni del set di dati e alla durata dell'addestramento.
Domanda 1 di 8
Dove raggiunge tipicamente il picco l’errore del test nella curva a doppia discesa?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Dove raggiunge tipicamente il picco l’errore del test nella curva a doppia discesa?
- Alla soglia di interpolazione in cui il modello si adatta a tutti i dati di training
- All'inizio dell'allenamento con pochi parametri
- Solo dopo miliardi di parametri
- L'errore del test non raggiunge mai il picco; cade in modo monotono
- Cosa succede all’errore del test quando un modello diventa fortemente sovraparametrizzato?
- Aumenta indefinitamente a causa del sovradattamento
- Può diminuire nuovamente, spesso al di sotto del minimo classico
- Rimane esattamente piatto
- Diventa casuale e imprevedibile
- In which setting does the cited implicit-bias analysis characterize a minimum-norm solution?
- Any neural network trained with gradient descent
- Any model that reaches zero training error
- A single-hidden-layer linear network under stated gradient-flow and initialization assumptions
- A model trained without an optimization objective
- La doppia discesa 'epocale' si riferisce all'effetto che appare in funzione di cosa?
- Il numero di GPU utilizzate
- Solo il programma del tasso di apprendimento
- La dimensione del set di test
- Tempo di addestramento (numero di epoche)
- Quale idea classica mette in discussione la doppia discesa?
- Il compromesso a forma di U tra bias e varianza
- Propagazione all'indietro
- Discesa stocastica del gradiente
- La regola della catena
- Chi ha contribuito a rendere popolare e formalizzare la doppia curva di discesa nel 2019?
- Newton e Leibniz
- Belkin, Hsu, Ma e Mandal
- Turing e Chiesa
- Solo concorrenti anonimi di Kaggle
- Which model families did OpenAI report studying in its deep double-descent experiments?
- Only decision trees and linear regression
- Only recurrent speech recognizers
- Convolutional neural networks, ResNets, and transformers
- Only graphical game generators
- Besides model size and training duration, which axis can also show double-descent behavior?
- Font size in a report
- The number of words in a product name
- The screen resolution of a monitor
- Training dataset size