Gids-gekoppelde quiz · Moeilijk Niveau
Contrastieve leerquiz
Oefen contrastieve positieve paren, het inbedden van ineenstorting en op temperatuur geschaalde gelijkenis, inclusief hoe MoCo-wachtrijen verschillen van inferentiecaches.
Vraag 1 van 8
Wat is het kerndoel van contrastief leren?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat is het kerndoel van contrastief leren?
- Trek vergelijkbare (positieve) paren samen en duw ongelijksoortige (negatieve) paren uit elkaar in de inbeddingsruimte
- Voorspel de exacte pixelwaarden van een afbeelding
- Classificeer elke invoer in een van een vaste set labels
- Minimaliseer het aantal modelparameters
- Hoe wordt bij een zelfgecontroleerde beeldmethode zoals SimCLR doorgaans een positief paar gecreëerd?
- Twee verschillende afbeeldingen van dezelfde gelabelde klasse
- Een afbeelding en een willekeurig gekozen afbeelding uit de dataset
- Twee willekeurige augmentaties (bijvoorbeeld uitsneden, kleurverandering) van hetzelfde beeld
- Een afbeelding gecombineerd met het segmentatiemasker
- Welke verliesfunctie wordt het meest geassocieerd met contrastief leren?
- Gemiddelde kwadratische fout
- InfoNCE
- Cross-entropie over klassenlabels
- Scharnierverlies voor SVM's
- Waarom gebruiken methoden zoals MoCo een geheugenbank of wachtrij?
- Voor het opslaan van labels voor gecontroleerde fijnafstemming
- Om de definitieve voorspellingen in het cachegeheugen op te slaan voor snellere gevolgtrekkingen
- Om het model voor mobiele apparaten te comprimeren
- Om veel negatieve voorbeelden te geven zonder dat er een enorme batchgrootte nodig is
- Voor welk probleem waken BYOL en SimSiam specifiek zonder gebruik te maken van expliciete negatieven?
- Overfitting op de trainingslabels
- Exploderende gradiënten in de optimizer
- Het instorten van de representatie, waarbij alle inbedding identiek wordt
- Verdwijnende leersnelheid
- Hoe breidt CLIP het contrastieve idee uit?
- Het lijnt afbeeldingen uit met hun tekstbijschriften in een gedeelde insluitingsruimte
- Het contrasteert twee augmentaties van dezelfde audioclip
- Het elimineert de noodzaak van een neuraal netwerk
- Het maakt gebruik van versterkend leren in plaats van gelijkenis
- Een contrastieve afbeeldingsencoder wijst elke foto toe aan dezelfde vector. Welk falen illustreert dit?
- Een nuttige scheiding van afbeeldingscategorieën
- Een toename van het aantal negatieve monsters
- Een perfecte weergave van de naaste buur
- De ineenstorting van de representatie
- Waarom verschilt de trainingswachtrij van MoCo van het in de cache opslaan van voltooide gevolgtrekkingsreacties?
- Het levert definitieve chatbotreacties zonder modeluitvoering
- Het biedt gecodeerde vergelijkingsvoorbeelden voor een contrastief trainingsdoel
- Het vervangt elk positief beeld door een label
- Het elimineert de noodzaak om een encoder bij te werken