Kuiz DenseNet dan Ketersambungan Padat

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah operasi yang DenseNet gunakan untuk menggabungkan peta ciri dari lapisan sebelumnya?
   • Penggabungan bijak saluran
   • Penambahan mengikut unsur
   • Pengumpulan maksimum merentas lapisan
   • Pendaraban mengikut unsur
2. Dalam DenseNet, apakah 'kadar pertumbuhan' k mengawal?
   • Jadual kadar pembelajaran
   • Saiz tingkap penyatuan
   • Bilangan peta ciri baharu yang dihasilkan oleh setiap lapisan
   • Bilangan bongkah padat
3. Berapa banyak sambungan langsung yang wujud di antara lapisan L dalam blok padat?
   • L
   • L(L+1)/2
   • 2L
   • L kuasa dua
4. Apakah tujuan utama lapisan peralihan dalam DenseNet?
   • Untuk menambah pintasan baki
   • Untuk meningkatkan kadar pertumbuhan
   • Untuk memohon keciciran sahaja
   • Untuk mengurangkan sampel dan mengurangkan saiz peta ciri antara blok padat
5. Manfaat utama sambungan yang padat ialah ia membantu mengurangkan masalah latihan yang mana?
   • Overfitting kepada warna
   • Saiz kelompok yang meletup
   • Masalah kecerunan lenyap
   • Label bunyi
6. Berbanding dengan ResNet pada ketepatan yang sama pada ImageNet, DenseNet-BC biasanya menggunakan:
   • Parameter yang jauh lebih sedikit
   • Lebih banyak parameter
   • Mengenai parameter yang sama
   • Tiada konvolusi sama sekali
7. 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
8. 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