가이드 연계 퀴즈 · 중간 레벨

전이학습 퀴즈

사전 학습된 매개변수 재사용, 고정 기능, 미세 조정 속도, 작업 유사성, 도메인 차이, 이미지 계층 기능, 배치 표준 및 컴파일을 테스트합니다.

대상 작업에 대한 학습 재사용을 전송할 수 있는 학습된 시작점은 무엇입니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

대상 작업에 대한 학습 재사용을 전송할 수 있는 학습된 시작점은 무엇입니까?
- 소스 데이터 세트 파일 이름만
- 학습된 모든 매개변수를 삭제해야 한다는 요구 사항
- 원래 출력 라벨이 새 라벨임을 보장합니다.
- 사전 학습된 매개변수 또는 표현
'특징 추출' 스타일 전이 학습에서는 일반적으로 다음을 수행합니다.
- 대부분의 레이어를 동결하고 새 출력 레이어만 훈련합니다.
- 높은 학습률로 전체 네트워크를 재교육합니다.
- 미리 훈련된 가중치를 버려라
- 신경망을 전혀 사용하지 않음
예시된 미세 조정 작업 흐름에서 사전 훈련된 가중치에 대해 작은 학습률을 권장하는 이유는 무엇입니까?
- 사전 훈련된 가중치를 수학적으로 변경할 수 없게 하려면
- 모든 대상 사례가 기억되도록 보장하기 위해
- 기존 표현에 지장을 주는 변경을 제한하려면
- 목표 손실의 필요성을 대체하려면
다른 적응 전략과 비교할 가치가 있는 고정 특징 추출을 만들 수 있는 목표 설정은 무엇입니까?
- 관련되지 않은 출력 파일 이름으로만 정의된 작업
- 소스 태스크와 관련된 태스크로 제한된 대상 데이터
- 사전 훈련된 모든 표현을 폐기해야 한다는 요구 사항
- 소스 작업과 대상 작업의 레이블이 동일해야 함을 보장합니다.
목표 입력 분포가 소스 사전 훈련 분포와 다를 때 어떤 문제가 발생합니까?
- 재사용된 표현은 대상 작업에 적합하지 않을 수 있습니다.
- 모델에 매개변수 포함이 반드시 중지됩니다.
- 모든 대상 예제는 소스 훈련 예제가 됩니다.
- 모든 평가 점수는 향상되어야 합니다.
인용된 이미지-네트워크 전송 연구는 레이어 간 기능에 대해 무엇을 구별했습니까?
- 모든 초기 기능은 가능한 모든 작업에 완벽하게 적용됩니다.
- 이후 레이어에는 사용되지 않은 임의의 숫자만 포함됩니다.
- 모든 네트워크 계층은 반드시 동일한 기능을 인코딩합니다.
- 이전 기능은 더 일반적이었고 나중에는 설정에 특화된 소스 작업 기능이 더 많았습니다.
문서화된 Keras 미세 조정 워크플로에서 기본 모델 BatchNormalization 레이어를 추론 모드로 유지하는 이유는 무엇입니까?
- 사전 훈련된 모든 가중치를 동일한 속도로 업데이트하려면
- 저장된 이동 평균 및 분산 통계를 방해하지 않으려면
- 대상 작업의 출력 헤드를 교체하려면
- 워크플로에 관계없이 모든 대상 배치에서 새로운 이동 통계를 강제로 적용하려면
명시된 Keras 워크플로에서 계층 훈련 가능 설정을 변경한 후 컴파일된 훈련 구성을 새로 고치는 것은 무엇입니까?
- 출력 파일 이름만 변경
- 사전 학습된 모든 매개변수를 임의의 값으로 재설정
- 모델 재컴파일
- 수정 없이 이전에 컴파일된 구성 유지