Gids-gekoppelde quiz · Middelmatig Niveau

Tripletverlies en metrische leerquiz

Test anker-positieve-negatieve rollen, margescheiding, vergelijking van inbedding, normalisatie en voorbeelden van nul versus actief tripletverlies.

Gerelateerde gidspadenTripletverlies en metrisch leren
Vraag 1 van 8

Uit welke drie inputs bestaat een triplet bij tripletverlies?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Uit welke drie inputs bestaat een triplet bij tripletverlies?
    • Anker, positief en negatief
    • Invoer, verborgen laag en uitvoer
    • Query, sleutel en waarde
    • Train, valideer en test monsters
  2. Waarom omvat tripletverlies een margetermijn?
    • Om de matrixvermenigvuldiging te versnellen
    • Om het aantal lessen te vergroten
    • Om te voorkomen dat het model alle inbeddingen tot één punt samenvouwt
    • Om afstanden om te zetten in kansen
  3. Welk beroemde systeem uit 2015 maakte tripletverlies voor gezichtsherkenning populair?
    • AlexNet
    • FaceNet
    • ResNet
    • BERT
  4. Wat levert een getraind metrisch leermodel op voor elke invoer?
    • Alleen een klassenlabel
    • Een grenskader
    • Eén enkele waarschijnlijkheidsscore
    • Een inbeddingsvector waarvan de afstanden gelijkenis weerspiegelen
  5. Waarom is metrisch leren goed geschikt voor open problemen, zoals het toevoegen van nieuwe gezichten?
    • Het traint het hele netwerk opnieuw voor elke nieuwe identiteit
    • Het werkt alleen als alle lessen vooraf bekend zijn
    • Vergelijking is afhankelijk van afstand, dus nieuwe identiteiten behoeven geen herscholing
    • Het onthoudt een vaste lijst met uitgangen
  6. Inbedding in metrisch leren is vaak L2-genormaliseerd. Welk effect heeft dit?
    • Het plaatst inbedding op een eenheidshypersfeer, zodat afstanden begrensd en vergelijkbaar blijven
    • Het elimineert de noodzaak van een verliesfunctie
    • Het zet het netwerk om in een classificator
    • Het verdubbelt de inbeddingsdimensie
  7. Under max(0, d(a,p) minus d(a,n) plus margin), d(a,p)=0.3, d(a,n)=0.8 and margin=0.2 yield what loss?
    • 0.3
    • 0.7
    • 1.3
    • 0
  8. A positive margin is 0.2 and every embedding collapses to the same point. What loss does that triplet formula give?
    • 0, because both distances are equal
    • 0.2, so collapse has not satisfied the separation objective
    • 1, regardless of the margin
    • A negative loss of minus 0.2