ガイド連動クイズ · 中 レベル
DenseNet と高密度接続に関するクイズ
特徴マップの連結、成長率、直接特徴の再利用、遷移圧縮、勾配パス、およびチャネル数をテストします。
質問 1 の 8
DenseNet は、前の層からの特徴マップを結合するためにどのような操作を使用しますか?
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。
- DenseNet は、前の層からの特徴マップを結合するためにどのような操作を使用しますか?
- チャネルごとの連結
- 要素ごとの加算
- レイヤー間の最大プーリング
- 要素ごとの乗算
- DenseNet では、「成長率」k は何を制御しますか?
- 学習率スケジュール
- プーリングウィンドウのサイズ
- 各レイヤーが生成する新しい特徴マップの数
- 密なブロックの数
- 密なブロック内の L 層間には直接接続がいくつ存在しますか?
- L
- L(L+1)/2
- 2L
- Lの二乗
- DenseNet の遷移層の主な目的は何ですか?
- 残りのショートカットを追加するには
- 成長率を上げるには
- ドロップアウトのみを適用するには
- ダウンサンプリングして密なブロック間の特徴マップのサイズを縮小するには
- 高密度接続の主な利点は、トレーニングの問題を軽減できることです。
- 色へのオーバーフィッティング
- 爆発的なバッチサイズ
- 勾配消失問題
- ラベルノイズ
- ImageNet で同様の精度の ResNet と比較すると、DenseNet-BC は通常、以下を使用します。
- パラメータが大幅に減少
- はるかに多くのパラメータ
- ほぼ同じパラメータ
- 畳み込みはまったくありません
- A late DenseNet layer needs an edge feature learned near the input. Why can it use that map directly?
- Only the final layer can see edge features
- DenseNet resets all maps after each layer
- Transition layers reconstruct every earlier map from scratch
- Earlier feature maps remain among its concatenated inputs
- A dense block begins with m channels and three layers each add k new maps. How many channels emerge before a transition?
- 3m + k
- m + 3k
- m times k cubed
- Only k, because old maps are discarded