ガイド連動クイズ · 中 レベル

グループ正規化クイズ

サンプルごとのチャネル グループ、小規模バッチの動作、限定的なケース、学習されたアフィン パラメーター、および評価設定からの証拠をテストします。

関連するガイドパスグループの正規化
質問 1 の 8

グループ正規化はどの次元にわたって統計を計算しますか?

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。

  1. グループ正規化はどの次元にわたって統計を計算しますか?
    • バッチ内のサンプル全体のみ
    • すべてのモデルレイヤーにわたって
    • トレーニングセットと検証セット全体を統合
    • 各サンプルのグループ内の空間次元とチャネル
  2. 非常に小さなバッチの場合、BatchNorm よりも GroupNorm の方が適しているのはなぜですか?
    • 1 つのサンプルでバッチ平均をより正確に使用します
    • その統計はバッチサイズに依存しません
    • 学習したスケールパラメータをすべて削除します
    • より大きなバッチが必要です
  3. GroupNorm は機能チャネルをどのように分割しますか?
    • グループに分割し、各例内の各グループの値を正規化します。
    • データセット全体のクラスへ
    • Into separate networks for each batch member
    • Into groups based on labels only
  4. What does GroupNorm’s independence from batch size mean?
    • Its output is identical for all batch sizes and all models
    • It eliminates the need for training batches
    • Its per-example normalization does not use other examples’ statistics
    • It guarantees the same accuracy on every task
  5. Which GroupNorm setting corresponds to one group containing all channels?
    • バッチ正規化
    • レイヤーの正規化
    • Instance Normalization
    • Weight Normalization
  6. Which GroupNorm setting corresponds to one channel per group?
    • レイヤーの正規化
    • バッチ正規化
    • RMS Normalization
    • Instance Normalization
  7. What does each channel’s learned scale and shift do after normalization?
    • Sets the group membership from labels
    • Computes batch statistics
    • Allows the network to adjust the normalized feature values
    • Removes the normalized activations
  8. What is a careful interpretation of GroupNorm’s reported results?
    • It performed well in tested small-batch vision settings; task-specific evaluation remains needed
    • It replaces every normalization method in all networks
    • It guarantees identical results for every batch size and task
    • It removes the need to tune group count