ガイド連動クイズ · 中 レベル

ボトルネック アーキテクチャに関するクイズ

チャネルの削減、計算の節約、逆残差、低ランクの更新、ボトルネックの背後にある共有次元制約をチェックします。

関連するガイドパスボトルネックアーキテクチャ
質問 1 の 8

ResNet ボトルネック ブロックでは、最初の 1x1 畳み込みの役割は何ですか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. ResNet ボトルネック ブロックでは、最初の 1x1 畳み込みの役割は何ですか?
    • 3x3 コンボリューションの前にチャネル数を減らすには
    • 空間解像度を上げるには
    • 最終的な分類を適用するには
    • 正則化のためにノイズを追加するには
  2. ボトルネックによりディープ ネットワークの計算コストが安くなるのはなぜですか?
    • すべてのアクティベーションを削除します
    • より少ないチャネルで負荷の高い操作を実行します
    • どこでもより大きなカーネルを使用します
    • バックプロパゲーションをスキップします
  3. オートエンコーダーでは、ボトルネック層が主に以下を決定します。
    • オプティマイザーの選択
    • 画像ファイル形式
    • 入力がどの程度圧縮されるか
    • バッチサイズ
  4. MobileNetV2 はボトルネックのアイデアのどのバリエーションを使用しますか?
    • 純粋なプーリングのボトルネック
    • 再発するボトルネック
    • まったくボトルネックがない
    • 残留ボトルネックの反転 (拡大してから縮小)
  5. LoRA はボトルネック原則を大規模な言語モデルにどのように適用しますか?
    • トレーニング可能な低ランク (狭い) ボトルネックを重みの更新に挿入することによって
    • アテンションレイヤーを削除することで
    • すべての重みを 2 倍にすることで、
    • 1ビットに量子化することで
  6. 典型的な ResNet ボトルネック ブロックはどのチャネル パターンに従いますか?
    • 広い、広い、広い
    • 削減、処理、復元 (例: 256 から 64 へ、256)
    • 狭い、広い、狭い
    • レイヤーごとにランダム
  7. A ResNet block reduces 256 channels to 64 before its 3×3 convolution. Ignoring the 1×1 layers, what is the 3×3 layer’s approximate multiply-add cost relative to 256 channels?
    • About one-quarter
    • About one-half
    • About one-sixteenth
    • About four times as much
  8. An autoencoder uses a narrow latent code. What constraint does this impose on reconstruction?
    • The encoder must preserve every input pixel exactly
    • The network can no longer use learned weights
    • The decoder must expand the latent code before encoding
    • The decoder must reconstruct the input from a compressed representation