Gids-gekoppelde quiz · Middelmatig Niveau
Neurale architectuur zoekquiz
Bekijk NAS-zoekruimtes, algoritmen, vroege zoekkosten, DARTS-versoepeling, gewichtsverdeling en evaluatie-voorbehouden. Controleer aannames en reikwijdte.
Vraag 1 van 8
Wat automatiseert Neural Architecture Search?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat automatiseert Neural Architecture Search?
- Het ontwerp van de structuur van het neurale netwerk
- Trainingsgegevens labelen
- Het koelen van de GPU-servers
- Schrijven van documentatie voor modellen
- Welke drie componenten definiëren een NAS-methode?
- Gegevensset, optimalisatie en uitval
- Zoekruimte, zoekstrategie en prestatieschatting
- Encoder, decoder en aandacht
- Trainings-, validatie- en testsets
- Welke schaal van versneller rapporteerde het oorspronkelijke reinforcement-learning NAS-onderzoek voor zijn grote zoektocht?
- Een GPU voor elke NAS-methode
- Een vaste kost van precies 1.000 GPU-dagen voor elke zoektocht
- Een experiment met 800 GPU's in die studie
- Geen gebruik van versneller tijdens het zoeken naar architectuur
- Welke sleuteltruc gebruikt DARTS om zoeken efficiënt te maken?
- Er wordt getraind op één enkel voorbeeld
- Het verwijdert alle verborgen lagen
- Er wordt alleen willekeurig gezocht
- Het versoepelt discrete architectuurkeuzes tot continue keuzes die kunnen worden geoptimaliseerd door gradiënten
- Wat is een 'supernet' in een NAS met gewichtsdeling?
- Eén overgeparametriseerd netwerk dat alle kandidaat-architecturen bevat, waarvan de gewichten worden gedeeld
- Een netwerk met miljarden parameters
- Een netwerk dat alleen op supercomputers draait
- Een reservekopie van het model
- Wat evalueerde het HURRICANE hardware-aware NAS-onderzoek?
- Een architectuur die gegarandeerd optimaal is op elk apparaat
- Op maat gemaakte architecturen voor drie hardwaretypes onder gelijke latentie-eisen
- Een taalmodel getraind zonder hardwaremetingen
- Een methode die latentie uit de architectuurevaluatie verwijdert
- Wat is één beperking van gewicht-deelende NAS-supernetten?
- Ze verwijderen alle architectuurkeuzes
- Ze garanderen de wereldwijd beste architectuur
- De gedeelde gewichten kunnen de rangschikking van architecturen bevooroordelen ten opzichte van het onafhankelijk trainen van elke kandidaat
- Ze gebruiken geen neurale netwerken
- Wat moet een NAS-evaluatie rapporteren voor een eerlijke vergelijking?
- Alleen de beste testscore
- Alleen het GPU-merk
- De modelnaam zonder instellingen
- Zoekruimte, rekenbudget, validatieprotocol en uiteindelijke retraining-opzet