แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ
แบบทดสอบการลดความคมให้เหลือน้อยที่สุด
ตรวจสอบการอัปเดตสองรอบของ SAM รัศมีพื้นที่ใกล้เคียง การไล่ระดับน้ำหนักที่ถูกรบกวน และการแลกเปลี่ยนระหว่างความเรียบและการประมวลผล
คำถาม 1 ของ 8
SAM พยายามค้นหาขั้นต่ำประเภทใด
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- SAM พยายามค้นหาขั้นต่ำประเภทใด
- ค่าต่ำสุดคงที่ซึ่งการขาดทุนจะต่ำตามน้ำหนักใกล้เคียง
- ขั้นต่ำที่คมชัดที่สุดที่เป็นไปได้
- ขั้นต่ำที่มีพารามิเตอร์มากที่สุด
- เข้าถึงขั้นต่ำได้ในขั้นตอนเดียว
- ขั้นตอน SAM มาตรฐานต้องใช้การส่งต่อไปข้างหน้าและถอยหลังกี่ครั้ง
- ผ่านไปครึ่งทาง
- ประมาณสอง.
- ตรงนั้นอันหนึ่ง
- สิบหรือมากกว่า
- ไฮเปอร์พารามิเตอร์รัศมี rho ควบคุมอะไรใน SAM
- อัตราการเรียนรู้ลดความเร็วลง
- จำนวนยุคการฝึกอบรม
- ขนาดของพื้นที่ใกล้เคียงรอบตุ้มน้ำหนักที่ได้รับการป้องกันจากการสูญเสีย
- ความน่าจะเป็นที่ออกกลางคัน
- ขั้นตอนแรกของสองขั้นตอนของ SAM ในการวนซ้ำแต่ละครั้งคืออะไร
- ย่อโมเดล
- เฉลี่ยน้ำหนักของขั้นตอนที่ผ่านมาทั้งหมด
- รีเซ็ตสถานะเครื่องมือเพิ่มประสิทธิภาพ
- ก้าวขึ้นขนาด rho ไปยังจุดใกล้เคียงที่เลวร้ายที่สุด
- เหตุใด SAM จึงปรับปรุงความทนทานต่อสัญญาณรบกวนของฉลากบ่อยครั้ง
- เนื่องจากค่าขั้นต่ำแบบแบนมีแนวโน้มที่จะจดจำฉลากที่เสียหายน้อยกว่า
- เพราะมันลบป้ายที่มีเสียงดังโดยอัตโนมัติ
- เพราะมันใช้คำศัพท์ที่ใหญ่กว่า
- เพราะมันเพิ่มขนาดเป็นสามเท่า
- ข้อใดต่อไปนี้เป็นตัวแปรที่ออกแบบมาเพื่อลดต้นทุนการประมวลผลของ SAM
- รีลู
- ESAM (SAM ที่มีประสิทธิภาพ)
- BatchNorm
- อดากราด
- In SAM’s second pass, which gradient is used to update the original model weights?
- The gradient of a random label
- The first pass gradient without evaluating the perturbed point
- The gradient evaluated at the perturbed nearby weights
- A gradient from a different model checkpoint
- If SAM’s neighborhood radius rho is set to zero, what happens to its perturbation step?
- The model parameters are all set to zero
- The loss becomes independent of the weights
- The optimizer takes an infinite step
- There is no weight perturbation, so the neighborhood reduces to the current point