Gids-gekoppelde quiz · Middelmatig Niveau

Quiz voor generatieve vijandige netwerken

Beoordeel de rollen van generator en discriminator, originele GAN-inputs, vijandige feedback, ineenstorting van de modus, historische oorsprong, evenwicht en conditionering.

Gerelateerde gidspadenGeneratieve vijandige netwerken
Vraag 1 van 8

Wat zijn de twee concurrerende netwerken in een GAN?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat zijn de twee concurrerende netwerken in een GAN?
    • Een encoder en een decoder
    • Een lezer en een schrijver
    • Twee identieke exemplaren die het altijd eens zijn
    • Een generator die namaakgoederen maakt en een discriminator die ze beoordeelt
  2. In the original unconditional GAN formulation, what input does the generator transform into a sample?
    • A guaranteed copy of a finished real image
    • Sampled latent noise
    • The discriminator's parameter file
    • A fixed human-written answer key
  3. What adversarial learning signal can reach a GAN generator through its discriminator?
    • Gradients of the generator objective with respect to its parameters
    • A rule that every generated image is correct
    • A prohibition against all conditional image inputs
    • A copy of every discriminator weight as the output image
  4. Wat is 'mode ineenstorting' in een GAN?
    • De discriminator verwijdert alle gegevens
    • Het netwerk heeft onvoldoende geheugen
    • De generator produceert slechts een paar repetitieve outputs in plaats van variatie
    • De beeldresolutie verdubbelt automatisch
  5. Which researchers introduced the GAN framework in the 2014 paper?
    • Alan Turing alone in 1950
    • Ian Goodfellow en collega's
    • Geoffrey Hinton alone in 2006
    • Yann LeCun alone in 1998
  6. How can a conventional feed-forward GAN generator produce one sample after training?
    • By requiring exactly a thousand discriminator updates at inference
    • By retrieving an unchanged target image in every case
    • Without evaluating any learned computation
    • With one forward evaluation of the generator
  7. At the ideal original GAN equilibrium where generated and real distributions match, what probability does the optimal discriminator assign to an example being real?
    • Zero for every example
    • One for every example
    • De helft
    • A probability greater than one
  8. In the conditional GAN formulation, where can a class label or other condition be supplied?
    • To both the generator and the discriminator
    • Only to an unrelated output filename
    • To neither network by definition
    • Only after all training and generation have finished