ガイド連動クイズ · 中 レベル

深さ方向の可分畳み込みクイズ

深さ方向と点方向の分割を適用し、畳み込みコストを比較し、小さな例を計算して、効率的なモバイル モデル設計を認識します。

関連するガイドパス深さ方向に分離可能な畳み込み
質問 1 の 8

深さ方向に分離可能な畳み込みが標準畳み込みを分割する 2 つのステップは何ですか?

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. 深さ方向に分離可能な畳み込みが標準畳み込みを分割する 2 つのステップは何ですか?
    • プーリングステップとそれに続く正規化ステップ
    • ReLU を間に挟んだ 2 つのスタックされた 3x3 畳み込み
    • チャンネルごとの深さ方向の空間フィルター、その後 1x1 のポイント単位のチャンネル ミックス
    • エンコーダーのコンボリューションとデコーダーのデコンボリューション
  2. 深さ方向のステップでは、入力チャンネルはどのように扱われますか?
    • 各チャネルは独自のカーネルで個別にフィルタリングされます
    • すべてのチャネルが最初に合計されます
    • チャンネルはフィルタリング前にランダムにシャッフルされます
    • 最初のチャネルのみが畳み込まれます
  3. For many output channels, what operation-count reduction does the guide associate with a 3×3 depthwise separable convolution?
    • 約2倍減ります
    • 約100分の1以下
    • 使用する計算量は減りません。
    • 8～9倍くらい減る
  4. この設計における点単位 (1x1) 畳み込みの役割は何ですか?
    • 空間解像度をダウンサンプリングするには
    • 各拠点のチャネル間で情報を統合する
    • 位置エンコーディングを追加するには
    • バイアス条件を削除するには
  5. モバイルデバイス向けに深さ方向の分離可能な畳み込みを普及させたよく知られたアーキテクチャはどれですか?
    • モバイルネット
    • レスネット
    • アレックスネット
    • LSTM
  6. An implementation applies only the depthwise spatial filters and omits the pointwise layer. Which capability is missing from that block?
    • Spatial filtering within each channel
    • Separate kernels for the input channels
    • Learned combination of information across channels
    • Local spatial feature extraction
  7. Using the guide’s formulas with M = 4 input channels and N = 16 outputs, how many multiply-adds per location do standard and separable 3×3 convolutions require?
    • Standard 100; separable 576
    • Standard 576; separable 100
    • Standard 576; separable 36
    • Standard 64; separable 100
  8. In the guide’s cost ratio 1/N + 1/9 for a 3×3 separable convolution, what happens as the output-channel count N becomes very large?
    • The ratio approaches 9
    • The ratio approaches zero
    • The ratio becomes independent of kernel size for every kernel
    • The ratio approaches 1/9