Quiz collegato alla guida · Medio Livello

Discesa gradiente stocastica con Momentum Quiz

Testare la velocità accumulata, lo smorzamento delle oscillazioni, gli effetti dei coefficienti, i gradienti coerenti, la connessione Adam e il comportamento a momento zero.

Domanda 1 di 8

Cosa si accumula durante l’allenamento?

Anteprima di ogni domanda8 domande

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

  1. Cosa si accumula durante l’allenamento?
    • Il numero totale di epoche di allenamento
    • Una media corrente (ponderata in modo esponenziale) dei gradienti passati
    • La dimensione del set di dati
    • La cronologia dell'accuratezza del modello
  2. In un burrone lungo e stretto, quale problema soffre il semplice SGD che lo slancio aiuta a risolvere?
    • Trabocca numericamente
    • Smette di calcolare i gradienti
    • Aumenta automaticamente il tasso di apprendimento
    • Zigzaga sulle pareti ripide mentre avanza lentamente lungo il pavimento
  3. Un valore predefinito comune per il coefficiente di quantità di moto è:
    • 0.9
    • 0,0
    • 0,5
    • 2.0
  4. Quale analogia fisica viene utilizzata più spesso per descrivere la quantità di moto?
    • Un pendolo che oscilla per sempre
    • Una primavera che ritorna
    • Una palla pesante che rotola in discesa
    • Congelamento dell'acqua
  5. All'incirca quanto lo slancio amplifica il passo effettivo in una direzione coerente quando beta = 0,9?
    • Circa 2 volte
    • Circa 0,1 volte
    • Nessuna amplificazione
    • Circa 10 volte
  6. Quale ottimizzatore moderno incorpora una stima del primo momento in stile momentum?
    • Il metodo di Newton
    • Adamo
    • K-significa
    • Ricerca casuale
  7. In the update v = beta times v plus gradient, what happens when beta is zero?
    • The old velocity is doubled
    • Every gradient becomes zero
    • The previous velocity is discarded and the current gradient determines the step
    • The parameters stop depending on the learning rate
  8. Why can repeated gradients with opposing sideways directions produce less zig-zagging under momentum?
    • Their opposing contributions can partially cancel in accumulated velocity
    • All past gradients are stored as separate parameters
    • The loss becomes convex automatically
    • Momentum ignores the current gradient entirely