Quiz collegato alla guida · Difficile Livello

InfoNCE e SimCLR Obiettivi Quiz

Controlla l'obiettivo positivo/negativo InfoNCE, le viste e la testa di proiezione di SimCLR, nonché i ruoli della temperatura e delle dimensioni del batch.

Percorsi guida correlatiObiettivi Infonce e Simclr
Domanda 1 di 8

Cosa incoraggia un modello a fare l’obiettivo InfoNCE?

Anteprima di ogni domanda8 domande

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

  1. Cosa incoraggia un modello a fare l’obiettivo InfoNCE?
    • Rendi una query più simile al suo vero positivo che a molti aspetti negativi
    • Memorizza i valori esatti dei pixel di ciascuna immagine
    • Ridurre al minimo il numero di parametri del modello
    • Predire la parola successiva in una frase
  2. In SimCLR, come viene creata una coppia positiva?
    • Abbinando un'immagine alla sua etichetta umana
    • Applicando due diversi aumenti casuali alla stessa immagine
    • Scegliendo due immagini completamente diverse
    • Ruotando l'intero set di dati
  3. Che ruolo gioca la temperatura τ in NT-Xent / InfoNCE?
    • Imposta il tasso di apprendimento
    • Controlla automaticamente la dimensione del batch
    • Ridimensiona i punteggi di somiglianza; un τ inferiore affina la distribuzione ed enfatizza i negativi duri
    • Determina il numero di strati nel codificatore
  4. Cosa succede alla testa di proiezione di SimCLR dopo il preaddestramento?
    • Diventa il classificatore finale
    • Viene congelato e utilizzato come codificatore
    • È duplicato per deduzione
    • Viene scartato; la rappresentazione davanti alla testa viene utilizzata per i compiti a valle
  5. Perché SimCLR si affidava a lotti di grandi dimensioni?
    • Fornire molti esempi negativi all'interno di ogni fase della formazione
    • Per ridurre l'utilizzo della memoria
    • Per evitare l'uso di potenziamenti
    • Per eliminare la necessità di un parametro di temperatura
  6. In SimCLR, which examples usually act as negatives for one anchor view?
    • The matching view of the same image
    • The other augmented views in the batch that come from different images
    • Only examples with the same class label
    • Views produced by a second encoder trained on labels
  7. Why does SimCLR use a nonlinear projection head before computing its contrastive loss?
    • It replaces the image encoder
    • It supplies class labels during pretraining
    • The learned projection helps the contrastive objective while the representation before the head can transfer downstream
    • It removes the need for data augmentation
  8. For an InfoNCE anchor, what should happen to the positive similarity relative to sampled negatives?
    • Every negative should have a higher score than the positive
    • All scores must be identical
    • The positive is excluded from the objective
    • The positive should receive a higher score than the negatives