Maswali yanayounganishwa na mwongozo · Kati Kiwango

Ukuaji wa Maswali ya GANs

Jaribio la mafunzo ya GAN, ukuaji wa ulinganifu, kufifia kwa alpha, vipengele vya utofauti wa bechi, viwango vya kujifunza vilivyosawazishwa na usanifu thabiti wa baadaye.

Njia za mwongozo zinazohusianaUkuaji unaoendelea wa GAN
Swali 1 ya 8

Je! GAN inayokua polepole huanzaje mafunzo?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Je! GAN inayokua polepole huanzaje mafunzo?
    • Katika azimio kamili la lengo mara moja
    • Kwa azimio la chini sana kama vile saizi 4x4
    • Kwa kumfundisha kibaguzi tu
    • Kwa kidokezo cha maandishi
  2. Ni faida gani kuu ya kukuza azimio hatua kwa hatua?
    • Inafanya mafunzo kuwa thabiti na ya haraka zaidi kuliko mafunzo kwa azimio la juu moja kwa moja
    • Huondoa hitaji la jenereta
    • Huondoa hitaji la mkusanyiko wa data
    • Inahakikisha mabaki ya sifuri
  3. Wakati safu mpya ya azimio la juu inapoongezwa, inaletwaje?
    • Mara moja kwa nguvu kamili
    • Tu katika kibaguzi, kamwe jenereta
    • Ilififia kwa upole na uzani unaochanganyika (alpha) ambao hupanda kutoka 0 hadi 1
    • Kwa kufundisha tena mtandao kutoka mwanzo
  4. Kwa nini tabaka zinaongezwa kwa jenereta na kibaguzi?
    • Kwa sababu jenereta pekee haiwezi kutoa rangi
    • Ili kupunguza saizi ya seti ya data
    • Kwa madhumuni ya taswira pekee
    • Ili kuweka mitandao hiyo miwili katika ulinganifu na uwiano kadiri azimio linavyoongezeka
  5. Ni nini madhumuni ya safu ya mchepuko wa kiwango cha minibatch iliyoletwa katika ProGAN?
    • Ili kuongeza picha ya mwisho
    • Ili kubana mfano
    • Kuongeza utofauti wa pato na kukatisha tamaa hali ya kuanguka
    • Kuweka lebo kwenye picha za mafunzo
  6. Je, ni maendeleo gani ya baadaye yalipunguza hitaji la kukua kwa uwazi?
    • Uvumbuzi wa kibaguzi
    • StyleGAN2 inayoonyesha usanifu usiobadilika na miunganisho ya kuruka/mabaki inaweza kulingana na ubora
    • Inabadilisha hadi picha za kijivu
    • Kuondoa vekta iliyofichwa kabisa
  7. At alpha equal to zero during a ProGAN generator fade-in, which path supplies the blended output?
    • Only the newly added block at full strength
    • An unrelated pretrained text encoder
    • A random photograph taken from the test set
    • The previous lower-resolution path after upsampling
  8. What is the original ProGAN equalized-learning-rate method intended to balance?
    • The effective scale of learning across layers through dynamic weight scaling
    • The number of captions assigned to each face image
    • The timestamp of every generated training sample
    • The count of output file formats across batches