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.

Gerelateerde gidspadenContrastief leren
Vraag 1 van 8

Wat is het kerndoel van contrastief leren?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. 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
  2. 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
  3. Welke verliesfunctie wordt het meest geassocieerd met contrastief leren?
    • Gemiddelde kwadratische fout
    • InfoNCE
    • Cross-entropie over klassenlabels
    • Scharnierverlies voor SVM's
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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