Quiz collegato alla guida · Difficile Livello

Quiz sulla minimizzazione consapevole della nitidezza

Controlla l'aggiornamento a due passaggi di SAM, il suo raggio di prossimità, il gradiente di peso perturbato e il compromesso tra planarità e calcolo.

Domanda 1 di 8

Che tipo di minimo cerca di trovare SAM?

Anteprima di ogni domanda8 domande

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

  1. Che tipo di minimo cerca di trovare SAM?
    • Un minimo piatto in cui la perdita rimane bassa in un intorno di pesi
    • Il minimo più acuto possibile
    • Il minimo con il maggior numero di parametri
    • Qualsiasi minimo raggiungibile in un solo passaggio
  2. Quanti passaggi avanti-indietro richiede un passaggio SAM standard?
    • Mezzo passaggio
    • Circa due
    • Esattamente uno
    • Dieci o più
  3. Cosa controlla l'iperparametro del raggio rho in SAM?
    • La velocità di decadimento del tasso di apprendimento
    • Il numero di epoche di allenamento
    • La dimensione dell'area attorno ai pesi protetta dai picchi di perdite
    • La probabilità di abbandono
  4. Qual è il primo dei due passaggi di SAM ad ogni iterazione?
    • Riduci il modello
    • Media dei pesi di tutti i passaggi precedenti
    • Reimposta lo stato dell'ottimizzatore
    • Effettuare un passo di salita di dimensione rho verso il punto più vicino nel caso peggiore
  5. Perché SAM spesso migliora la robustezza nell'etichettare il rumore?
    • Perché i minimi piatti sono meno inclini a memorizzare etichette corrotte
    • Perché elimina automaticamente le etichette rumorose
    • Perché utilizza un vocabolario più ampio
    • Perché triplica la dimensione del lotto
  6. Quale di queste è una variante progettata per ridurre i costi di elaborazione di SAM?
    • ReLU
    • ESAM (SAM efficiente)
    • Norma batch
    • AdaGrad
  7. In SAM’s second pass, which gradient is used to update the original model weights?
    • The gradient of a random label
    • The first pass gradient without evaluating the perturbed point
    • The gradient evaluated at the perturbed nearby weights
    • A gradient from a different model checkpoint
  8. If SAM’s neighborhood radius rho is set to zero, what happens to its perturbation step?
    • The model parameters are all set to zero
    • The loss becomes independent of the weights
    • The optimizer takes an infinite step
    • There is no weight perturbation, so the neighborhood reduces to the current point