Maswali yanayounganishwa na mwongozo · Kati Kiwango

Maswali ya Kuchangamsha Maarifa

Tekeleza usambazaji wa walimu, shabaha zilizopunguzwa, na tathmini ya wanafunzi katika kunereka, ikijumuisha kwa nini uigaji hauhakikishii usahihi wa kiwango cha mwalimu.

Njia za mwongozo zinazohusianaMaarifa kunereka
Swali 1 ya 8

Katika kunereka kwa maarifa, mtindo wa mwanafunzi umefunzwa kufanya nini?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Katika kunereka kwa maarifa, mtindo wa mwanafunzi umefunzwa kufanya nini?
    • Kutoa mafunzo kwa mwanafunzi mdogo wa kielelezo kuiga kielelezo kikubwa cha mwalimu
    • Kufanya mfano mkubwa na sahihi zaidi
    • Ili kuweka data lebo kiotomatiki
    • Ili kusimba uzani wa mfano
  2. Nini maana ya 'maarifa ya giza' ya mwalimu?
    • Tabia mbaya iliyofichwa katika mfano
    • Sehemu iliyosimbwa kwa njia fiche ya faili ya kielelezo
    • Taarifa katika uwezekano wa jamaa mwalimu anapeana madarasa yasiyofaa
    • Data ambayo mwalimu hakuwahi kufundishwa
  3. Joto (T) lina jukumu gani katika kunereka?
    • Inadhibiti kasi ya mafunzo ya modeli pekee
    • Inalainisha softmax ili ufanano mdogo kati ya tabaka uweze kujifunza
    • Huweka idadi ya tabaka katika mwanafunzi
    • Hupima pato la joto la GPU
  4. Upotezaji wa kunereka wa kawaida unachanganya ni sehemu gani mbili?
    • Mifano mbili tofauti za malipo
    • Inamaanisha kosa la mraba na upotezaji wa bawaba
    • Adhabu ya KL dhidi ya sera ya marejeleo na utendaji wa thamani
    • Muhula wa tofauti wa KL unaolingana na matokeo laini ya mwalimu pamoja na maandishi tofauti kwenye lebo za kweli.
  5. Ni mfano gani wa kielelezo cha lugha iliyochemshwa?
    • ResNet-50
    • Neno2Vec
    • DistilBERT
    • AlexNet
  6. Je, kunereka kwa msingi wa kipengele kunatofautiana vipi na mbinu ya msingi ya pato?
    • Inalingana na uwakilishi wa safu zilizofichwa za kati, sio matokeo ya mwisho tu
    • Inapuuza mwalimu kabisa
    • Inatumia lebo ngumu tu
    • Humfundisha mwalimu badala ya mwanafunzi
  7. A teacher assigns similar small probabilities to wolf and fox when predicting dog. What can soft-target distillation transfer beyond the top label?
    • A guarantee that either alternative is the correct label
    • The teacher’s complete original training corpus
    • The teacher’s exact number of hidden layers
    • Relative relationships among the teacher’s alternative class scores
  8. A distilled student is smaller than its teacher. Which evaluation is needed before deployment?
    • Assume its accuracy must equal the teacher’s
    • Measure its task accuracy and runtime on the intended system
    • Assume fewer parameters guarantee lower latency on every device
    • Only compare the models’ names