Kuiz berkaitan panduan · Keras Tahap

Kuiz Pengurangan Ketajaman-Sedar

Menyemak kemas kini dua hala SAM, jejari kejiranannya, kecerunan berat terganggu dan pertukaran antara kerataan dan pengiraan.

Laluan panduan yang berkaitanPengecilan Ketajaman Sedar
soalan 1 daripada 8

Apakah jenis minimum yang SAM cuba cari?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah jenis minimum yang SAM cuba cari?
    • Minimum rata di mana kerugian kekal rendah merentasi kejiranan berat
    • Minimum yang paling tajam mungkin
    • Minimum dengan parameter terbanyak
    • Sebarang minimum yang boleh dicapai dalam satu langkah
  2. Berapa banyak hantaran ke hadapan-belakang yang diperlukan oleh langkah SAM standard?
    • Separuh pas
    • Lebih kurang dua
    • tepat satu
    • Sepuluh atau lebih
  3. Apakah kawalan hiperparameter radius rho dalam SAM?
    • Kelajuan pereputan kadar pembelajaran
    • Bilangan zaman latihan
    • Saiz kejiranan di sekeliling pemberat yang dilindungi daripada lonjakan kerugian
    • Kebarangkalian keciciran
  4. Apakah yang pertama daripada dua langkah SAM pada setiap lelaran?
    • Kecilkan model
    • Purata berat semua langkah yang lalu
    • Tetapkan semula keadaan pengoptimum
    • Ambil langkah pendakian bersaiz rho ke arah titik terburuk berhampiran
  5. Mengapakah SAM sering meningkatkan keteguhan untuk melabel bunyi?
    • Kerana minima rata kurang cenderung untuk menghafal label yang rosak
    • Kerana ia memadamkan label bising secara automatik
    • Kerana ia menggunakan kosa kata yang lebih besar
    • Kerana ia tiga kali ganda saiz kumpulan
  6. Manakah antara ini merupakan varian yang direka untuk mengurangkan kos pengiraan SAM?
    • ReLU
    • ESAM (SAM Cekap)
    • BatchNorm
    • AdaGrad
  7. In SAM’s second pass, which gradient is used to update the original model weights?
    • The gradient of a random label
    • The first pass gradient without evaluating the perturbed point
    • The gradient evaluated at the perturbed nearby weights
    • A gradient from a different model checkpoint
  8. If SAM’s neighborhood radius rho is set to zero, what happens to its perturbation step?
    • The model parameters are all set to zero
    • The loss becomes independent of the weights
    • The optimizer takes an infinite step
    • There is no weight perturbation, so the neighborhood reduces to the current point