가이드 연계 퀴즈 · 중간 레벨
DenseNet 및 Dense Connectivity 퀴즈
기능 맵 연결, 성장률, 직접 기능 재사용, 전환 압축, 그라데이션 경로 및 채널 수를 테스트합니다.
질문 1 의 8
DenseNet은 이전 레이어의 기능 맵을 결합하기 위해 어떤 작업을 사용합니까?
모든 질문 미리보기8 질문
퀴즈를 풀면 정답과 설명이 나타납니다.
- DenseNet은 이전 레이어의 기능 맵을 결합하기 위해 어떤 작업을 사용합니까?
- 채널별 연결
- 요소별 추가
- 레이어 간 최대 풀링
- 요소별 곱셈
- DenseNet에서 '성장률' k는 무엇을 제어합니까?
- 학습률 일정
- 풀링 창 크기
- 각 레이어가 생성하는 새로운 기능 맵의 수
- 조밀한 블록의 수
- 밀집된 블록의 L 레이어 사이에는 몇 개의 직접 연결이 존재합니까?
- L
- 엘(엘+1)/2
- 2L
- L 제곱
- DenseNet에서 전환 레이어의 주요 목적은 무엇입니까?
- 잔여 바로가기를 추가하려면
- 성장률을 높이려면
- 드롭아웃만 적용하려면
- 밀집된 블록 간의 특징 맵 크기를 다운샘플링하고 줄이기 위해
- 조밀한 연결의 주요 이점은 어떤 교육 문제를 완화하는 데 도움이 된다는 것입니다.
- 색상에 과적합
- 폭발적인 배치 크기
- 사라지는 그라데이션 문제
- 라벨 노이즈
- ImageNet에서 비슷한 정확도를 보이는 ResNet과 비교하여 DenseNet-BC는 일반적으로 다음을 사용합니다.
- 상당히 적은 매개변수
- 훨씬 더 많은 매개변수
- 동일한 매개변수에 대해
- 컨볼루션이 전혀 없음
- 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