Gids-gekoppelde quiz · Middelmatig Niveau

DenseNet en Dense Connectivity-quiz

Test de aaneenschakeling van feature-maps, groeisnelheid, direct hergebruik van features, overgangscompressie, gradiëntpaden en kanaaltellingen.

Gerelateerde gidspadenDensenet en dichte connectiviteit
Vraag 1 van 8

Welke bewerking gebruikt DenseNet om feature maps van voorgaande lagen te combineren?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Welke bewerking gebruikt DenseNet om feature maps van voorgaande lagen te combineren?
    • Kanaalgewijze aaneenschakeling
    • Elementgewijze toevoeging
    • Maximale pooling over lagen heen
    • Elementgewijze vermenigvuldiging
  2. Wat regelt de 'groeisnelheid' k in DenseNet?
    • Het leersnelheidschema
    • De grootte van het poolvenster
    • Het aantal nieuwe feature maps dat elke laag produceert
    • Het aantal dichte blokken
  3. Hoeveel directe verbindingen bestaan er tussen L-lagen in een dicht blok?
    • L
    • L(L+1)/2
    • 2L
    • L kwadraat
  4. Wat is het belangrijkste doel van overgangslagen in DenseNet?
    • Om resterende snelkoppelingen toe te voegen
    • Om de groeisnelheid te verhogen
    • Alleen drop-out toepassen
    • Om de featuremapgrootte tussen dichte blokken te downsamplen en te verkleinen
  5. Een belangrijk voordeel van dichte connectiviteit is dat het helpt welk trainingsprobleem te verminderen?
    • Overmatig qua kleur
    • Exploderende batchgroottes
    • Het verdwijnendegradiëntprobleem
    • Labelruis
  6. Vergeleken met ResNet met vergelijkbare nauwkeurigheid op ImageNet, gebruikt DenseNet-BC doorgaans:
    • Aanzienlijk minder parameters
    • Veel meer parameters
    • Ongeveer dezelfde parameters
    • Helemaal geen convoluties
  7. A late DenseNet layer needs an edge feature learned near the input. Why can it use that map directly?
    • Only the final layer can see edge features
    • DenseNet resets all maps after each layer
    • Transition layers reconstruct every earlier map from scratch
    • Earlier feature maps remain among its concatenated inputs
  8. A dense block begins with m channels and three layers each add k new maps. How many channels emerge before a transition?
    • 3m + k
    • m + 3k
    • m times k cubed
    • Only k, because old maps are discarded