Maswali ya Kurekebisha Kundi

Majibu na maelezo huonekana unapojibu maswali.

1. Je, urekebishaji wa kundi unarekebisha nini?
   • Ingizo kwa safu, katika mifano katika kundi-dogo la sasa
   • Lebo za mwisho za mtandao
   • Ratiba ya kiwango cha kujifunza kwa muda
   • Ukubwa wa seti ya data ya mafunzo
2. Kwa nini urekebishaji wa bechi unajumuisha vigezo vinavyoweza kujifunzia vya gamma na beta?
   • Ili kuongeza ukubwa wa mkusanyiko wa data
   • Kuruhusu mtandao kupima na kuhamisha thamani zilizosawazishwa, kuhifadhi nguvu ya uwakilishi
   • Kuangusha neuroni bila mpangilio wakati wa mafunzo
   • Ili kuhesabu kazi ya upotezaji
3. Ni faida gani ya kawaida inayotajwa ya urekebishaji wa kundi?
   • Huondoa hitaji la data yoyote ya mafunzo
   • Inahakikisha kuwa mfano hauwezi kupita kiasi
   • Inaruhusu viwango vya juu vya kujifunza na muunganisho wa haraka na thabiti zaidi
   • Huondoa hitaji la kitendakazi cha kuwezesha
4. Kwa wakati wa uelekezaji (kutabiri juu ya data mpya), ni takwimu gani ambazo urekebishaji wa kundi hutumia?
   • Wastani na tofauti ya ingizo moja la sasa pekee
   • Takwimu zinazozalishwa bila mpangilio kila wakati
   • Takwimu za seti ya jaribio zilikokotolewa mapema
   • Uendeshaji wa wastani wa wastani na tofauti zilizokusanywa wakati wa mafunzo
5. Kwa nini urekebishaji wa kundi unaweza kuishi vibaya na saizi ndogo sana za kundi?
   • Takwimu za kundi huwa na kelele na makadirio yasiyotegemewa ya usambazaji wa kweli
   • Vikundi vidogo hufanya modeli kuwa kubwa sana kutoshea kwenye kumbukumbu
   • Inalemaza vitendaji vya kuwezesha
   • Vikundi vidogo vinalazimisha matumizi ya utaratibu wa L1
6. Ni mbinu gani ya kuhalalisha ambayo hutumiwa sana katika usanifu wa kibadilishaji kama mbadala wa urekebishaji wa kundi?
   • Urekebishaji wa kuacha
   • Urekebishaji wa tabaka
   • L2 kuhalalisha hasara
   • Ukataji wa gradient
7. Why does BatchNorm use running averages during inference instead of the current test batch’s statistics?
   • To retrain the model on test data
   • To make all activations exactly zero
   • So a prediction does not depend on which other examples happen to share the batch
   • To eliminate learned gamma and beta
8. Where is BatchNorm commonly placed within a layer block according to the guide?
   • Only after the final prediction
   • Before the input data are loaded
   • Inside the optimizer update
   • Between the linear transformation and its activation function