Quiz collegato alla guida · Medio Livello

Quiz sulla crescita progressiva dei GAN

Testa l'addestramento GAN da grossolano a fine, la crescita simmetrica, la dissolvenza in entrata alfa, le funzionalità di variazione batch, i tassi di apprendimento equalizzati e le architetture fisse successive.

Percorsi guida correlatiCrescita progressiva delle GAN
Domanda 1 di 8

Come inizia la formazione un GAN progressivamente cresciuto?

Anteprima di ogni domanda8 domande

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

  1. Come inizia la formazione un GAN progressivamente cresciuto?
    • Immediatamente alla massima risoluzione target
    • A una risoluzione molto bassa come 4x4 pixel
    • Pre-addestrando solo il discriminatore
    • Con un messaggio di testo
  2. Qual è il vantaggio principale derivante dall’aumento graduale della risoluzione?
    • Rende l'allenamento più stabile e veloce rispetto all'allenamento diretto ad alta risoluzione
    • Elimina la necessità di un generatore
    • Elimina il requisito del set di dati
    • Garantisce zero artefatti
  3. Quando viene aggiunto un nuovo livello ad alta risoluzione, come viene introdotto?
    • Immediatamente a piena forza
    • Solo nel discriminatore, mai nel generatore
    • Sfumatura graduale con un peso di fusione (alfa) che varia da 0 a 1
    • Riqualificando la rete da zero
  4. Perché i livelli vengono aggiunti sia al generatore che al discriminatore?
    • Perché il generatore da solo non può produrre colore
    • Per ridurre la dimensione del set di dati
    • Solo a scopo di visualizzazione
    • Per mantenere le due reti simmetriche ed equilibrate all'aumentare della risoluzione
  5. Qual è lo scopo dello strato di deviazione standard del minibatch introdotto in ProGAN?
    • Per migliorare l'immagine finale
    • Per comprimere il modello
    • Aumentare la variazione dell’output e scoraggiare il collasso della modalità
    • Per etichettare le immagini di allenamento
  6. Quale sviluppo successivo ha ridotto la necessità di una crescita progressiva esplicita?
    • L'invenzione del discriminatore
    • StyleGAN2 che mostra un'architettura fissa con connessioni saltate/residue potrebbe eguagliare la qualità
    • Passaggio alle immagini in scala di grigi
    • Rimozione completa del vettore latente
  7. At alpha equal to zero during a ProGAN generator fade-in, which path supplies the blended output?
    • Only the newly added block at full strength
    • An unrelated pretrained text encoder
    • A random photograph taken from the test set
    • The previous lower-resolution path after upsampling
  8. What is the original ProGAN equalized-learning-rate method intended to balance?
    • The effective scale of learning across layers through dynamic weight scaling
    • The number of captions assigned to each face image
    • The timestamp of every generated training sample
    • The count of output file formats across batches