Gids-gekoppelde quiz · Moeilijk Niveau
Online en harde negatieve mijnbouwquiz
Test online versus offline pools, batch-harde en semi-harde selectie, misleidende negatieven en op afstand gebaseerde kandidatencontroles.
Vraag 1 van 8
Waarom geven de meeste willekeurig bemonsterde negatieven weinig trainingssignaal bij tripletverlies?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Waarom geven de meeste willekeurig bemonsterde negatieven weinig trainingssignaal bij tripletverlies?
- Meestal zijn ze verkeerd geëtiketteerd
- Ze zijn te klein om in het geheugen te passen
- Ze zijn al ver van het anker verwijderd, dus het verlies en de gradiënt zijn bijna nul
- Ze zijn altijd gelijk aan de positieve afstand
- Wat onderscheidt online mining van offline mining?
- Online mijnbouw maakt gebruik van internet; offline niet
- Online mining selecteert in elke minibatch harde voorbeelden binnen elke minibatch
- Online mining werkt alleen op tekst
- Online mining vereist geen voorwaartse pass
- Wat is een 'semi-hard' negatief zoals gedefinieerd in FaceNet?
- Een negatief dichter dan het positieve bij het anker
- Een negatief dat precies gelijk is aan het anker
- Elk willekeurig gekozen negatief
- Een negatief verder dan het positieve, maar nog steeds binnen de marge
- Welk negatief wordt bij batch-hard mining voor elk anker gekozen?
- Het dichtstbijzijnde negatief in de batch
- Het verste negatief in de batch
- Een willekeurig negatief
- Het negatieve met de gemiddelde afstand
- Waarom verbetert een grotere batchgrootte de resultaten van het gedolven metrische leerproces?
- Het verkleint de inbeddingsdimensie
- Het elimineert de noodzaak van een marge
- Het verwijdert de verliesfunctie
- Het biedt per stap een rijkere verzameling kandidaat-hard-negatieven
- Wat is een bekend risico bij het selecteren van de absoluut moeilijkste negatieven?
- Ze zijn altijd te gemakkelijk
- Ze maken de batchmatrix kleiner
- Het kunnen verkeerd gelabelde of bijna dubbele positieven zijn die de training bederven
- Ze verwijderen het verloop volledig
- With positive distance 0.4 and margin 0.2, which negative distance is semi-hard under the described rule?
- 0,5
- 0.2
- 0.8
- 1.1
- Why does ordinary online mining within one minibatch not necessarily find the hardest negative in the entire dataset?
- Every batch contains the complete dataset
- Its available candidate pool is the examples in that batch
- Distance calculations prove no other examples exist
- The model discards all negative labels