Викторина, связанная с руководством · Средний Уровень
Викторина о дорожных сетях и пропускных соединениях
Тестируйте закрытые и остаточные ярлыки, пределы градиентного потока, вдохновение LSTM, использование трансформаторов и U-Net, а также поведение вентилей «ноль против одного».
Вопрос 1 из 8
A very deep network struggles with optimization. What can a skip path provide?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- A very deep network struggles with optimization. What can a skip path provide?
- A guarantee of perfect gradients at every depth
- A more direct signal and gradient route that can ease training
- A proof that more layers always improve accuracy
- A replacement for the loss function
- Что вычисляет базовый остаточный блок?
- выход = F(x), умноженный на x
- выход = x, разделенный на F (x)
- выход = максимум F(x) и x
- вывод = F(x) плюс x, где x — ярлык ввода
- Что послужило вдохновением для создания шлагбаумного механизма в дорожных сетях?
- LSTM-ворота из рекуррентных сетей
- Сверточный пул
- Пакетная нормализация
- Отсев
- Чем управляет вентиль преобразования T(x) в сети автомагистралей?
- Скорость обучения оптимизатора
- Размер выходного изображения
- Какая часть входных данных преобразуется, а какая передается напрямую
- Количество слоев в сети
- Какая современная архитектура опирается на остаточные соединения вокруг своих подуровней?
- K-средства кластеризации
- Дерево решений
- Линейная регрессия
- Трансформатор
- Как пропускные соединения U-Net помогают сегментации?
- Они полностью удаляют кодировщик
- Они передают мелкие пространственные детали от кодера к декодеру.
- Они преобразуют изображение в текст
- Они сокращают количество выходных классов до одного.
- In y = F(x)T(x) + x(1-T(x)), what remains when T(x)=0?
- Only F(x)
- The sum 2x
- The carried input x
- A mandatory zero output
- For the same coupled-gate highway form, what remains when T(x)=1?
- The transformed value F(x)
- Only the original x
- F(x) plus x
- An automatically normalized x