Kuiz berkaitan panduan · Keras Tahap

Kuiz Fenomena Turun Berganda

Semak keturunan dua kali berhampiran interpolasi dan cara fenomena itu boleh berbeza-beza mengikut saiz model, saiz set data dan tempoh latihan.

Laluan panduan yang berkaitanFenomena Turun Berganda
soalan 1 daripada 8

Di manakah ralat ujian biasanya memuncak dalam lengkung keturunan berganda?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Di manakah ralat ujian biasanya memuncak dalam lengkung keturunan berganda?
    • Pada ambang interpolasi di mana model hanya sesuai dengan semua data latihan
    • Pada permulaan latihan dengan beberapa parameter
    • Hanya selepas berbilion parameter
    • Ralat ujian tidak pernah memuncak; ia jatuh secara monoton
  2. Apakah yang berlaku kepada ralat ujian apabila model menjadi terlalu parameter?
    • Ia meningkat selama-lamanya disebabkan oleh overfitting
    • Ia boleh menurun semula, selalunya di bawah minimum klasik
    • Ia kekal betul-betul rata
    • Ia menjadi rawak dan tidak dapat diramalkan
  3. In which setting does the cited implicit-bias analysis characterize a minimum-norm solution?
    • Any neural network trained with gradient descent
    • Any model that reaches zero training error
    • A single-hidden-layer linear network under stated gradient-flow and initialization assumptions
    • A model trained without an optimization objective
  4. Keturunan berganda 'epoch-wise' merujuk kepada kesan yang muncul sebagai fungsi apa?
    • Bilangan GPU yang digunakan
    • Jadual kadar pembelajaran sahaja
    • Saiz set ujian
    • Masa latihan (bilangan zaman)
  5. Idea klasik manakah yang mencabar keturunan berkembar?
    • Tukar ganti berbentuk U bias-variance
    • Penyebaran balik
    • Penurunan kecerunan stokastik
    • Peraturan rantai
  6. Siapa yang membantu mempopularkan dan memformalkan keluk keturunan berganda pada 2019?
    • Newton dan Leibniz
    • Belkin, Hsu, Ma, dan Mandal
    • Turing dan Gereja
    • Hanya pesaing Kaggle tanpa nama
  7. Which model families did OpenAI report studying in its deep double-descent experiments?
    • Only decision trees and linear regression
    • Only recurrent speech recognizers
    • Convolutional neural networks, ResNets, and transformers
    • Only graphical game generators
  8. Besides model size and training duration, which axis can also show double-descent behavior?
    • Font size in a report
    • The number of words in a product name
    • The screen resolution of a monitor
    • Training dataset size