Kuiz berkaitan panduan · Keras Tahap

Kuiz Objektif InfoNCE dan SimCLR

Menyemak objektif positif-berbanding-negatif InfoNCE, pandangan dan kepala unjuran SimCLR, dan peranan suhu dan saiz kelompok.

Laluan panduan yang berkaitanInfonce Dan Objektif Simclr
soalan 1 daripada 8

Apakah yang digalakkan oleh objektif InfoNCE untuk dilakukan oleh model?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah yang digalakkan oleh objektif InfoNCE untuk dilakukan oleh model?
    • Jadikan pertanyaan lebih serupa dengan positif sebenar daripada banyak negatif
    • Hafal nilai piksel tepat bagi setiap imej
    • Minimumkan bilangan parameter model
    • Ramalkan perkataan seterusnya dalam ayat
  2. Dalam SimCLR, bagaimana pasangan positif dicipta?
    • Dengan memasangkan imej dengan label manusianya
    • Dengan menggunakan dua penambahan rawak yang berbeza pada imej yang sama
    • Dengan memilih dua imej yang sama sekali berbeza
    • Dengan memutar seluruh set data
  3. Apakah peranan yang dimainkan oleh suhu τ dalam NT-Xent / InfoNCE?
    • Ia menetapkan kadar pembelajaran
    • Ia mengawal saiz kumpulan secara automatik
    • Ia menskalakan skor persamaan; menurunkan τ menajamkan taburan dan menekankan negatif keras
    • Ia menentukan bilangan lapisan dalam pengekod
  4. Apakah yang berlaku kepada kepala unjuran SimCLR selepas pralatihan?
    • Ia menjadi pengelas terakhir
    • Ia dibekukan dan digunakan sebagai pengekod
    • Ia diduakan untuk inferens
    • Ia dibuang; representasi sebelum kepala digunakan untuk tugas hiliran
  5. Mengapa SimCLR bergantung pada saiz kelompok besar?
    • Untuk memberikan banyak contoh negatif dalam setiap langkah latihan
    • Untuk mengurangkan penggunaan memori
    • Untuk mengelakkan penggunaan pembesaran
    • Untuk menghapuskan keperluan untuk parameter suhu
  6. In SimCLR, which examples usually act as negatives for one anchor view?
    • The matching view of the same image
    • The other augmented views in the batch that come from different images
    • Only examples with the same class label
    • Views produced by a second encoder trained on labels
  7. Why does SimCLR use a nonlinear projection head before computing its contrastive loss?
    • It replaces the image encoder
    • It supplies class labels during pretraining
    • The learned projection helps the contrastive objective while the representation before the head can transfer downstream
    • It removes the need for data augmentation
  8. For an InfoNCE anchor, what should happen to the positive similarity relative to sampled negatives?
    • Every negative should have a higher score than the positive
    • All scores must be identical
    • The positive is excluded from the objective
    • The positive should receive a higher score than the negatives