แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบคำแนะนำแบบแยกประเภทฟรี

ตรวจสอบคำแนะนำที่ไม่ต้องใช้ตัวแยกประเภท การออกจากระบบแบบมีเงื่อนไข การแลกเปลี่ยนด้านคุณภาพและความหลากหลาย ค่าใช้จ่ายในการอนุมาน และมาตราส่วนคำแนะนำ ตรวจสอบขอบเขตและสมมติฐาน

เส้นทางแนะนำที่เกี่ยวข้องคำแนะนำลักษณนามฟรี
คำถาม 1 ของ 8

เหตุใดโมเดลการแพร่กระจายจึงใช้คำแนะนำที่ไม่ต้องใช้ตัวแยกประเภท

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. เหตุใดโมเดลการแพร่กระจายจึงใช้คำแนะนำที่ไม่ต้องใช้ตัวแยกประเภท
    • เพื่อเสริมว่าเอาต์พุตจะปฏิบัติตามพร้อมท์การปรับสภาพอย่างใกล้ชิดเพียงใด
    • เพื่อบีบอัดโมเดลให้มีขนาดเล็กลง
    • หากต้องการลบตัวเข้ารหัสข้อความทั้งหมด
    • ในการแปลงภาพให้เป็นเสียง
  2. โมเดลเรียนรู้ที่จะทำการคาดการณ์แบบไม่มีเงื่อนไขสำหรับคำแนะนำแบบไม่มีตัวแยกประเภทได้อย่างไร
    • โดยการฝึกอบรมลักษณนามแยกที่สอง
    • โดยสุ่มปล่อยเครื่องปรับอากาศระหว่างการฝึก
    • โดยใช้เฉพาะภาพสีดำเท่านั้น
    • โดยปิดการใช้งาน GPU
  3. โดยทั่วไปการเพิ่มระดับแนวทางทำอะไร?
    • ปรับปรุงความหลากหลายอยู่เสมอ
    • ลบอิทธิพลของพรอมต์
    • ช่วยให้การเกาะติดเร็วขึ้นแต่อาจทำให้เกิดความอิ่มตัวมากเกินไปได้
    • ทำให้ภาพมีโทนสีเทา
  4. คำแนะนำแบบไม่มีตัวแยกประเภทมาตรฐานต้องใช้การส่งต่อไปข้างหน้าประมาณกี่ครั้งต่อขั้นตอนการดีนอยซ์
    • ศูนย์
    • สิบ
    • หนึ่งร้อย
    • สอง (หนึ่งมีเงื่อนไข หนึ่งไม่มีเงื่อนไข)
  5. คำแนะนำแบบไม่มีตัวแยกประเภทมีข้อได้เปรียบเหนือคำแนะนำตัวแยกประเภทอย่างไร
    • ไม่จำเป็นต้องมีลักษณนามที่ได้รับการฝึกอบรมแยกต่างหาก
    • ต้องใช้ข้อมูลการฝึกอบรมเพิ่มเติม
    • ใช้งานได้กับโมเดลข้อความเท่านั้น
    • ช่วยลดกระบวนการแพร่กระจาย
  6. In the common classifier-free guidance formula, what does guidance scale s=0 produce?
    • The conditional prediction with extra amplification
    • The unconditional model prediction without conditioning
    • A prediction from a separately trained classifier
    • A sample with all denoising removed
  7. How does classifier-free guidance combine model outputs at inference?
    • It combines two image classifiers
    • It removes the conditional prompt
    • It combines conditional and unconditional score estimates
    • It adds a learned reward model after decoding
  8. What does a guidance scale of 1 generally correspond to in the common formulation?
    • The unconditional prediction only
    • A classifier-based gradient
    • A zero-noise image
    • The conditional prediction without extra guidance amplification