Test legat de ghid · Mediu Nivel

Testul rețelelor adversare generative

Review generator and discriminator roles, original GAN inputs, adversarial feedback, mode collapse, historical origins, equilibrium, and conditioning.

Căi de ghidare aferenteRețele adversare generative
Întrebare 1 de 8

Care sunt cele două rețele concurente într-un GAN?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Care sunt cele două rețele concurente într-un GAN?
    • Un encoder și un decodor
    • Un cititor și un scriitor
    • Două copii identice care sunt întotdeauna de acord
    • Un generator care face falsuri și un discriminator care le judecă
  2. In the original unconditional GAN formulation, what input does the generator transform into a sample?
    • A guaranteed copy of a finished real image
    • Sampled latent noise
    • The discriminator's parameter file
    • A fixed human-written answer key
  3. What adversarial learning signal can reach a GAN generator through its discriminator?
    • Gradients of the generator objective with respect to its parameters
    • A rule that every generated image is correct
    • A prohibition against all conditional image inputs
    • A copy of every discriminator weight as the output image
  4. Ce este „strângerea modului” într-un GAN?
    • Discriminatorul șterge toate datele
    • Rețeaua rămâne fără memorie
    • Generatorul produce doar câteva ieșiri repetitive în loc de varietate
    • Rezoluția imaginii se dublează automat
  5. Which researchers introduced the GAN framework in the 2014 paper?
    • Alan Turing alone in 1950
    • Ian Goodfellow și colegii
    • Geoffrey Hinton alone in 2006
    • Yann LeCun alone in 1998
  6. How can a conventional feed-forward GAN generator produce one sample after training?
    • By requiring exactly a thousand discriminator updates at inference
    • By retrieving an unchanged target image in every case
    • Without evaluating any learned computation
    • With one forward evaluation of the generator
  7. At the ideal original GAN equilibrium where generated and real distributions match, what probability does the optimal discriminator assign to an example being real?
    • Zero for every example
    • One for every example
    • One-half
    • A probability greater than one
  8. In the conditional GAN formulation, where can a class label or other condition be supplied?
    • To both the generator and the discriminator
    • Only to an unrelated output filename
    • To neither network by definition
    • Only after all training and generation have finished