Gids-gekoppelde quiz · Middelmatig Niveau
Mixup- en CutMix-vergrotingsquiz
Test gemengde invoer en labels, rechthoekige CutMix-patches, oppervlaktegewichten, bètabemonstering en numerieke doelverhoudingen voor beide methoden.
Vraag 1 van 8
Hoe maakt Mixup een nieuw trainingsvoorbeeld?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Hoe maakt Mixup een nieuw trainingsvoorbeeld?
- Door één afbeelding te roteren en het label ervan te behouden
- Door een willekeurig vierkant bij te snijden en weg te gooien
- Door de afbeelding naar grijswaarden te converteren
- Door twee afbeeldingen en hun labels lineair te interpoleren met een gewicht lambda
- Wat is het belangrijkste verschil tussen CutMix en Mixup?
- CutMix gebruikt slechts één afbeelding, terwijl Mixup er twee gebruikt
- CutMix plakt een rechthoekig vlak van de ene afbeelding op de andere in plaats van overal pixels te laten overvloeien
- CutMix verandert alleen het label en nooit de afbeelding
- CutMix is uitsluitend van toepassing op tekstgegevens
- Hoe wordt in CutMix het menggewicht (lambda) voor de etiketten bepaald?
- Deze is altijd vastgesteld op 0,5
- Door de helderheid van het helderdere beeld
- Door het aandeel van het pixeloppervlak draagt elke afbeelding bij
- Willekeurig, zonder enige relatie met de afbeeldingen
- Wat veranderen Mixup en CutMix nog meer, behalve de invoerafbeelding?
- Het label, waardoor het een zacht gemengd doelwit wordt
- Het leertempo van de optimizer
- Het aantal lagen in het netwerk
- De batchgrootte
- Welke verdeling wordt gewoonlijk gebruikt om de mengcoëfficiënt lambda te bemonsteren?
- Uniforme verdeling over gehele getallen
- Bèta-distributie
- Poisson-verdeling
- Bernoulli-verdeling met p vast op 1
- Een gedocumenteerd voordeel van deze mengverbeteringen is verbeterd:
- Compressie van het getrainde modelbestand
- Trainingssnelheid door de noodzaak van backpropagatie te elimineren
- Mogelijkheid om te trainen zonder labels
- Robuustheid en kalibratie naast nauwkeurigheid
- Mixup uses lambda = 0.25 for image A and one minus lambda for image B. What target weights follow?
- 25% A and 75% B
- 75% A and 25% B
- 50% each regardless of lambda
- 100% A because it is listed first
- A CutMix patch replaces 20% of image A’s pixel area with image B. What label weights does the stated area rule use?
- 20% A and 80% B
- 100% B for any patch
- 80% A and 20% B
- 50% each for all rectangles