Test legat de ghid · Mediu Nivel

Test pentru arhitecturi cu gât de sticlă

Verifică reducerea canalului, economiile de calcul, reziduurile inversate, actualizările de rang scăzut și constrângerile de dimensionalitate partajată din spatele blocajelor.

Căi de ghidare aferenteArhitecturi cu blocaj
Întrebare 1 de 8

Într-un bloc de blocaj ResNet, care este rolul primei convoluții 1x1?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Într-un bloc de blocaj ResNet, care este rolul primei convoluții 1x1?
    • Pentru a reduce numărul de canale înainte de convoluția 3x3
    • Pentru a crește rezoluția spațială
    • Pentru a aplica clasificarea finală
    • Pentru a adăuga zgomot pentru regularizare
  2. De ce un blocaj face rețelele profunde mai ieftine de calculat?
    • Îndepărtează toate activările
    • Efectuează operațiuni costisitoare pe mai puține canale
    • Folosește nuclee mai mari peste tot
    • Omite propagarea inversă
  3. Într-un autoencoder, stratul de blocaj determină în primul rând:
    • Alegerea optimizatorului
    • Formatul fișierului imagine
    • Cât de mult este comprimată intrarea
    • Dimensiunea lotului
  4. MobileNetV2 folosește ce variantă a ideii de blocaj?
    • Gâtul de sticlă pur în comun
    • Blocaj recurent
    • Niciun blocaj
    • Blocaj rezidual inversat (extindere apoi contract)
  5. Cum aplică LoRA principiile blocajelor modelelor de limbaj mari?
    • Prin inserarea unui blocaj (îngust) care poate fi antrenat în actualizările de greutate
    • Prin ștergerea straturilor de atenție
    • Prin dublarea tuturor greutăților
    • Prin cuantificare la 1 bit
  6. Un bloc de blocaj tipic ResNet urmează ce model de canal?
    • Lat, lat, lat
    • Reduceți, procesați, restaurați (de exemplu, de la 256 la 64 la 256)
    • Îngust, lat, îngust
    • Aleatoriu pe strat
  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