Maswali yanayounganishwa na mwongozo · Rahisi Kiwango

Maswali ya Masharti ya GAN

Hukagua jinsi ingizo za masharti zinavyoongoza mitandao yote miwili ya GAN, jinsi wabaguzi wanavyotathmini jozi zinazolingana, na jinsi uwekaji hali unavyoweza kudungwa.

Njia za mwongozo zinazohusianaGAN za masharti
Swali 1 ya 8

Ni tofauti gani kuu kati ya GAN ya masharti na GAN ya kawaida?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Ni tofauti gani kuu kati ya GAN ya masharti na GAN ya kawaida?
    • Hulisha maelezo ya ziada kama lebo ya darasa kwenye mitandao yote miwili ili kudhibiti matokeo
    • Inatumia jenereta mbili
    • Inaondoa mbaguzi
    • Inafanya kazi kwa maandishi tu, sio picha
  2. Katika cGAN iliyofunzwa kwa nambari zilizo na lebo, unaweza kufanya nini ambacho GAN wazi haiwezi?
    • Endesha bila kelele yoyote
    • Omba tarakimu maalum kama vile '7'
    • Ruka kibaguzi kabisa
    • Tengeneza kelele nyeusi-na-nyeupe pekee
  3. Je, kibaguzi wa cGAN lazima aangalie nini, zaidi ya kama taswira inaonekana halisi?
    • Muundo wa faili ya picha
    • Azimio katika megapixels
    • Ikiwa picha inalingana na lebo iliyotolewa
    • Kiwango cha mafunzo
  4. Ni ipi njia ya kawaida ya kusambaza ishara ya hali kwa jenereta?
    • Inafuta vekta ya kelele
    • Mafunzo bila lebo yoyote
    • Kutumia sensor ya mwili tofauti
    • Kuunganisha lebo kwa uingizaji wa kelele
  5. GAN za masharti ziliweka msingi kwa uwezo upi wa baadaye?
    • Uzalishaji wa maandishi kwa picha na uundaji wa picha hadi picha
    • CPU za kasi zaidi
    • Kuchuja barua pepe taka
    • Uorodheshaji wa hifadhidata
  6. Katika mifano ya kisasa ya uenezaji, wazo la cGAN la kuweka hali mara nyingi huonekana kama utaratibu gani?
    • Kupunguza uzito bila mpangilio
    • Uangalifu mwingi kwenye kidokezo cha maandishi
    • Uchoraji wa pikseli mwenyewe pekee
    • Inalemaza ratiba ya kelele
  7. Why must a conditional discriminator see both the generated image and its conditioning label?
    • It uses the label to choose the learning-rate schedule
    • It converts the label into a random noise seed only
    • It needs to judge whether the image is realistic and whether it matches the requested condition
    • It prevents the generator from receiving noise
  8. Besides concatenating a class label to the noise vector, which conditioning method is described in the guide?
    • A spectral-radius constraint
    • An inverse Hessian update
    • A sequence-level BLEU reward
    • A projection layer that scores compatibility between label and image features