Quiz połączony z przewodnikiem · Średni Poziom

Quiz o rozszerzonych i okropnych zwojach

Sprawdź odstępy dylatacyjne, pola recepcyjne, segmentację, WaveNet, siatki i równoległy kontekst wieloskalowy w okropnych splotach.

Powiązane ścieżki prowadząceRozszerzone i okropne zwoje
Pytanie 1 z 8

Co robi współczynnik dylatacji większy niż 1 z jądrem splotu?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Co robi współczynnik dylatacji większy niż 1 z jądrem splotu?
    • Wstawia odstępy pomiędzy ciężarkami ziaren, dzięki czemu pokrywają one większy obszar
    • Dodaje do jądra więcej możliwych do nauczenia się ciężarów
    • Obkurcza jądro do jednego punktu
    • Konwertuje jądro na operację łączenia
  2. Jak duży obszar obejmuje jądro 3x3 ze współczynnikiem dylatacji 2?
    • 3x3
    • 5x5
    • 7x7
    • 9x9
  3. Dlaczego rozszerzone sploty są szczególnie przydatne w segmentacji semantycznej?
    • Redukują obraz do jednej etykiety
    • Eliminują potrzebę jakichkolwiek danych szkoleniowych
    • Powiększają pole recepcyjne, zachowując jednocześnie wysoką rozdzielczość mapy obiektów
    • Działają tylko na obrazach w skali szarości
  4. Skąd pochodzi określenie okropny?
    • Łacińskie słowo oznaczające warstwę
    • Akronim metody szkoleniowej
    • Imię jego wynalazcy
    • Francuskie a trous oznacza z dziurami
  5. Dlaczego w WaveNet ułożone w stosy rozszerzone sploty są cenne?
    • Generują obrazy zamiast dźwięku
    • Skutecznie wychwytują zależności o bardzo dużym zasięgu w przebiegu audio
    • Usuwają wszelką ciszę z nagrań
    • Konwertują dźwięk bezpośrednio na tekst
  6. Jaki problem może się pojawić, jeśli zestawisz rozszerzone sploty ze źle dobraną pojedynczą stawką?
    • Sieć staje się zbyt mała, aby ją trenować
    • Obraz jest trwale obrócony
    • Artefakty siatki, w przypadku których niektóre pozycje wejściowe nigdy nie są próbkowane
    • Wszystkie wagi stają się zerowe
  7. How does Atrous Spatial Pyramid Pooling combine multiple scales in DeepLab?
    • It runs several dilation rates in parallel and fuses their outputs
    • It chooses one fixed dilation rate and discards the rest
    • It converts the image into a single global class before convolution
    • It replaces every convolution with a larger dense kernel
  8. For one input channel and one output channel, how many kernel weights does a dilated 3×3 filter contain, excluding a bias?
    • 25, because dilation 2 spans a 5×5 region
    • 5, one for each position along the expanded width
    • 18, because dilation 2 doubles the number of weights
    • 9, because dilation changes spacing rather than the 3×3 weight count