Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący architektury wąskich gardeł

Sprawdza redukcję kanałów, oszczędności w obliczeniach, odwrócone reszty, aktualizacje o niskiej randze i ograniczenie współdzielonej wymiarowości stojące za wąskimi gardłami.

Powiązane ścieżki prowadząceArchitektury wąskiego gardła
Pytanie 1 z 8

Jaka jest rola pierwszego splotu 1x1 w bloku wąskiego gardła ResNet?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Jaka jest rola pierwszego splotu 1x1 w bloku wąskiego gardła ResNet?
    • Aby zmniejszyć liczbę kanałów przed splotem 3x3
    • Aby zwiększyć rozdzielczość przestrzenną
    • Aby zastosować końcową klasyfikację
    • Aby dodać szum do regularyzacji
  2. Dlaczego wąskie gardło sprawia, że obliczenia w głębokich sieciach są tańsze?
    • Usuwa wszystkie aktywacje
    • Wykonuje kosztowne operacje na mniejszej liczbie kanałów
    • Wszędzie używa większych jąder
    • Pomija propagację wsteczną
  3. W autoenkoderze warstwa wąskiego gardła określa przede wszystkim:
    • Wybór optymalizatora
    • Format pliku obrazu
    • Stopień kompresji danych wejściowych
    • Rozmiar partii
  4. Który wariant koncepcji wąskiego gardła wykorzystuje MobileNetV2?
    • Czyste wąskie gardło związane z łączeniem zasobów
    • Powtarzające się wąskie gardło
    • Nie ma żadnego wąskiego gardła
    • Odwrócone wąskie gardło resztkowe (rozwiń, a następnie zmniejsz)
  5. W jaki sposób LoRA stosuje zasady wąskiego gardła w dużych modelach językowych?
    • Poprzez wstawienie możliwego do wytrenowania (wąskiego) wąskiego gardła do aktualizacji wagi
    • Usuwając warstwy uwagi
    • Podwajając wszystkie ciężary
    • Kwantując do 1 bitu
  6. Z jakiego wzorca kanałów wynika typowy blok wąskiego gardła ResNet?
    • Szeroki, szeroki, szeroki
    • Zmniejsz, przetwórz, przywróć (np. 256 do 64 do 256)
    • Wąskie, szerokie, wąskie
    • Losowo na warstwę
  7. A ResNet block reduces 256 channels to 64 before its 3×3 convolution. Ignoring the 1×1 layers, what is the 3×3 layer’s approximate multiply-add cost relative to 256 channels?
    • About one-quarter
    • About one-half
    • About one-sixteenth
    • About four times as much
  8. An autoencoder uses a narrow latent code. What constraint does this impose on reconstruction?
    • The encoder must preserve every input pixel exactly
    • The network can no longer use learned weights
    • The decoder must expand the latent code before encoding
    • The decoder must reconstruct the input from a compressed representation