Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Keturunan Kecerunan

Semak arah turunan kecerunan biasa, langkah kadar pembelajaran, kecerunan sampel, momentum, penyesuaian Adam, kemas kini berangka dan had titik pegun.

Laluan panduan yang berkaitanKeturunan Kecerunan
soalan 1 daripada 8

Dalam turunan kecerunan biasa, arah manakah digunakan secara relatif kepada kecerunan objektif?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Dalam turunan kecerunan biasa, arah manakah digunakan secara relatif kepada kecerunan objektif?
    • The negative-gradient direction
    • The positive-gradient direction
    • An arbitrary perpendicular direction by definition
    • A direction chosen without evaluating any gradient
  2. Apakah kawalan kadar pembelajaran?
    • Bilangan lapisan dalam model
    • Berapa banyak kelas yang model boleh ramalkan
    • Saiz setiap langkah yang diambil semasa pengoptimuman
    • Jumlah data latihan yang digunakan
  3. Bagaimanakah kecerunan kelompok mini berkaitan dengan objektif data latihan yang dipilih sepenuhnya?
    • It uses no examples
    • It is computed on the batch and used as an estimate of the full-data gradient
    • It must equal the full-data gradient on every step
    • It only exists for images
  4. Apakah masalah yang boleh disebabkan oleh kadar pembelajaran yang terlalu besar?
    • Latihan menjadi sangat perlahan tetapi stabil
    • Model mengabaikan kecerunan
    • Set data menjadi rosak
    • Model melampaui tahap minimum dan mungkin menyimpang
  5. Apakah maklumat yang dibawa oleh momentum ke dalam kemas kini kecerunan-keturunan kemudian?
    • Only the model's vocabulary size
    • A permanent deletion of all earlier gradients
    • A running weighted combination of earlier gradients
    • An unrelated random reset of every weight
  6. Apakah ciri utama pengoptimum Adam berbanding dengan keturunan kecerunan biasa?
    • Ia menyesuaikan kadar pembelajaran yang berkesan untuk setiap parameter
    • Ia menggunakan satu langkah tetap untuk setiap parameter
    • Ia tidak memerlukan kecerunan
    • Ia hanya melatih lapisan keluaran
  7. For plain gradient descent with old weight two, gradient three, and learning rate one-tenth, what is the new weight?
    • Two-point-three
    • One-point-nine-seven
    • Tiga
    • One-point-seven
  8. What does a zero gradient fail to prove for a nonconvex training objective?
    • That the gradient value is zero at the evaluated point
    • That the current point is a global minimum
    • That the objective has been evaluated locally
    • That a stationary-point condition holds