Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Rangkaian Siam dan Triplet Loss

Menyemak pengekod kongsi, jarak benam, margin tiga kali ganda dan cara contoh negatif keras mempengaruhi isyarat pembelajaran. berhati-hati.

Laluan panduan yang berkaitanRangkaian Siam Dan Kerugian Bertiga
soalan 1 daripada 8

Apakah ciri seni bina yang menentukan rangkaian Siam?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah ciri seni bina yang menentukan rangkaian Siam?
    • Dua atau lebih dahan yang sama yang berkongsi berat yang sama
    • Cawangan tunggal tanpa lapisan tersembunyi
    • Asingkan rangkaian dengan pemberat bebas sepenuhnya
    • Gelung berulang dari semasa ke semasa
  2. Dalam kehilangan tiga kali ganda, apakah tiga input?
    • Input, tersembunyi, output
    • Anchor, positif, dan negatif
    • Latih, pengesahan, ujian
    • Pengekod, penyahkod, pengelas
  3. Apakah yang dikuatkuasakan oleh objektif kehilangan tiga kali ganda?
    • Sauh dan negatif harus sama
    • Semua benam harus runtuh ke satu titik
    • Jarak sauh-positif hendaklah lebih kecil daripada jarak sauh-negatif dengan margin
    • Positif dan negatif harus mempunyai jarak yang sama ke sauh
  4. Mengapakah 'perlombongan keras-negatif' penting untuk latihan kehilangan tiga kali ganda?
    • Ia menghilangkan semua perkara positif daripada latihan
    • Ia menjadikan rangkaian lebih cetek
    • Ia menggantikan metrik jarak dengan label
    • Negatif mudah sudah memenuhi margin dan menghasilkan kecerunan berguna sifar
  5. Apakah keupayaan yang menjadikan rangkaian Siam berharga untuk 'pembelajaran satu pukulan'?
    • Mereka boleh membandingkan input baharu kepada satu rujukan dan menilai persamaan, walaupun untuk kelas yang tidak kelihatan
    • Mereka memerlukan beribu-ribu contoh berlabel setiap kelas
    • Mereka hanya mengelaskan ke dalam kategori tetap dan dipratentukan
    • Mereka tidak boleh membuat generalisasi di luar identiti latihan
  6. Bagaimanakah rangkaian Siam biasanya memutuskan sama ada dua input sepadan?
    • Dengan menjumlahkan nilai piksel mentah mereka
    • Dengan membandingkan jarak antara vektor benam mereka terhadap ambang
    • Dengan mengira bilangan lapisan yang digunakan
    • Dengan memberikan setiap label kelas rawak
  7. For triplet loss max(0, d(a,p) − d(a,n) + m), let d(a,p)=0.2, d(a,n)=0.8 and m=0.3. What is the loss?
    • 0.3
    • 0.5
    • 0
    • 1.1
  8. What happens when a negative example is already farther from the anchor than the required margin?
    • The anchor and positive embeddings are discarded
    • The loss forces the negative closer to the anchor
    • The network switches to classification mode
    • The triplet loss becomes zero and that example gives no useful gradient