Gids-gekoppelde quiz · Middelmatig Niveau

Progressieve groei van GAN's Quiz

Test grof-tot-fijn GAN-training, symmetrische groei, alfa-fade-in, batch-variatiefuncties, gelijke leersnelheden en later vaste architecturen.

Gerelateerde gidspadenProgressieve groei van GAN's
Vraag 1 van 8

Hoe begint een geleidelijk gegroeide GAN met trainen?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Hoe begint een geleidelijk gegroeide GAN met trainen?
    • Onmiddellijk op de volledige doelresolutie
    • Bij een zeer lage resolutie zoals 4x4 pixels
    • Door alleen de discriminator voor te trainen
    • Met een tekstprompt
  2. Wat is het belangrijkste voordeel van het geleidelijk verhogen van de resolutie?
    • Het maakt de training stabieler en sneller dan direct trainen met hoge resolutie
    • Het elimineert de noodzaak van een generator
    • Het elimineert de datasetvereiste
    • Het garandeert nul artefacten
  3. Wanneer een nieuwe laag met een hogere resolutie wordt toegevoegd, hoe wordt deze dan geïntroduceerd?
    • Direct op volle sterkte
    • Alleen in de discriminator, nooit in de generator
    • Soepel infadend met een menggewicht (alfa) dat oploopt van 0 naar 1
    • Door het netwerk helemaal opnieuw te trainen
  4. Waarom worden er lagen toegevoegd aan zowel de generator als de discriminator?
    • Omdat de generator alleen geen kleur kan produceren
    • Om de grootte van de dataset te verkleinen
    • Alleen voor visualisatiedoeleinden
    • Om de twee netwerken symmetrisch en gebalanceerd te houden naarmate de resolutie toeneemt
  5. Wat is het doel van de minibatch-standaardafwijkingslaag die in ProGAN is geïntroduceerd?
    • Om de uiteindelijke afbeelding op te schalen
    • Om het model te comprimeren
    • Om de outputvariatie te vergroten en de ineenstorting van de modus te ontmoedigen
    • Om de trainingsafbeeldingen te labelen
  6. Welke latere ontwikkeling verminderde de behoefte aan expliciete progressieve teelt?
    • De uitvinding van de discriminator
    • StyleGAN2 met een vaste architectuur met skip/restverbindingen zou de kwaliteit kunnen evenaren
    • Overschakelen naar grijswaardenafbeeldingen
    • Het volledig verwijderen van de latente vector
  7. At alpha equal to zero during a ProGAN generator fade-in, which path supplies the blended output?
    • Only the newly added block at full strength
    • An unrelated pretrained text encoder
    • A random photograph taken from the test set
    • The previous lower-resolution path after upsampling
  8. What is the original ProGAN equalized-learning-rate method intended to balance?
    • The effective scale of learning across layers through dynamic weight scaling
    • The number of captions assigned to each face image
    • The timestamp of every generated training sample
    • The count of output file formats across batches