Gids-gekoppelde quiz · Moeilijk Niveau

InfoNCE en SimCLR Doelstellingenquiz

Controleert de positieve versus negatieve doelstelling van InfoNCE, de weergaven en projectiekop van SimCLR, en de rol van temperatuur en batchgrootte.

Gerelateerde gidspadenInfonce en Simclr-doelstellingen
Vraag 1 van 8

Waartoe moedigt de InfoNCE-doelstelling een model aan?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Waartoe moedigt de InfoNCE-doelstelling een model aan?
    • Zorg ervoor dat een zoekopdracht meer lijkt op de echte positieve resultaten dan op veel negatieve resultaten
    • Onthoud de exacte pixelwaarden van elke afbeelding
    • Minimaliseer het aantal modelparameters
    • Voorspel het volgende woord in een zin
  2. Hoe wordt in SimCLR een positief paar gecreëerd?
    • Door een afbeelding te koppelen aan het menselijke label
    • Door twee verschillende willekeurige augmentaties op hetzelfde beeld toe te passen
    • Door te kiezen voor twee totaal verschillende beelden
    • Door de gehele dataset te roteren
  3. Welke rol speelt de temperatuur τ in NT-Xent / InfoNCE?
    • Het bepaalt het leertempo
    • Het regelt automatisch de batchgrootte
    • Het schaalt de gelijkenisscores; een lagere τ scherpt de verdeling aan en benadrukt harde negatieven
    • Het bepaalt het aantal lagen in de encoder
  4. Wat gebeurt er met de projectiekop van SimCLR na de voortraining?
    • Het wordt de laatste classificator
    • Het is bevroren en gebruikt als encoder
    • Het wordt gedupliceerd voor gevolgtrekking
    • Het wordt weggegooid; de weergave vóór het hoofd wordt gebruikt voor stroomafwaartse taken
  5. Waarom vertrouwde SimCLR op grote batchgroottes?
    • Om binnen elke trainingsstap veel negatieve voorbeelden te geven
    • Om het geheugengebruik te verminderen
    • Om het gebruik van augmentaties te vermijden
    • Om de noodzaak van een temperatuurparameter te elimineren
  6. In SimCLR, which examples usually act as negatives for one anchor view?
    • The matching view of the same image
    • The other augmented views in the batch that come from different images
    • Only examples with the same class label
    • Views produced by a second encoder trained on labels
  7. Why does SimCLR use a nonlinear projection head before computing its contrastive loss?
    • It replaces the image encoder
    • It supplies class labels during pretraining
    • The learned projection helps the contrastive objective while the representation before the head can transfer downstream
    • It removes the need for data augmentation
  8. For an InfoNCE anchor, what should happen to the positive similarity relative to sampled negatives?
    • Every negative should have a higher score than the positive
    • All scores must be identical
    • The positive is excluded from the objective
    • The positive should receive a higher score than the negatives