แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบเครือข่ายบีบและกระตุ้น
ตรวจสอบขั้นตอนการบีบและการกระตุ้น การปรับน้ำหนักช่องสัญญาณ ขนาดคอขวด และหลักฐานเบื้องหลังสถาปัตยกรรม SE
คำถาม 1 ของ 8
ขั้นตอน 'บีบ' ในบล็อก SE ทำหน้าที่อะไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- ขั้นตอน 'บีบ' ในบล็อก SE ทำหน้าที่อะไร
- ใช้การรวมกลุ่มโดยเฉลี่ยทั่วโลกเพื่อสรุปแต่ละช่องให้เป็นค่าเดียว
- ครอบตัดรูปภาพให้มีขนาดเล็กลง
- ลบช่องที่ซ้ำซ้อนอย่างถาวร
- ใช้ซอฟต์แม็กซ์กับตำแหน่งเชิงพื้นที่
- ขั้นตอน 'การกระตุ้น' จะให้ผลลัพธ์อย่างไร
- ชุดตัวกรอง Convolution ชุดใหม่
- น้ำหนักต่อช่องระหว่าง 0 ถึง 1
- กล่องขอบเขต
- หน้ากากการแบ่งส่วน
- น้ำหนักการกระตุ้นนำไปใช้กับแผนผังฟีเจอร์ดั้งเดิมอย่างไร
- เพิ่มองค์ประกอบที่ชาญฉลาด
- เชื่อมต่อเป็นช่องทางใหม่
- คูณตามช่องสัญญาณ
- ใช้เพื่อปกปิดขอบเขตพื้นที่
- เหตุใดการกระตุ้นจึงใช้คอขวดที่มีอัตราส่วนการลดลง (มักเป็น 16)
- เพื่อเพิ่มจำนวนคลาสเอาต์พุต
- เพื่อขจัดความจำเป็นในการโน้มน้าวใจ
- เพื่อให้เครือข่ายตื้นขึ้น
- เพื่อให้พารามิเตอร์ที่เพิ่มเข้ามาและคำนวณมีขนาดเล็ก
- SENet ชนะการแข่งขันใดในปี 2560
- ความท้าทายในการจำแนกประเภท ImageNet ILSVRC
- ความท้าทายในการตรวจจับ COCO
- การแข่งขัน Kaggle Titanic
- เกณฑ์มาตรฐาน GLUE
- สถาปัตยกรรมรุ่นหลังใดที่ฝังบล็อก SE เพื่อประสิทธิภาพ
- เบิร์ต และ GPT
- EfficientNet และ MobileNetV3
- Word2Vec และ GloVe
- WaveNet และ Tacotron
- In the excitation step, which activations connect the two fully connected layers in the guide’s SE block?
- Softmax followed by ReLU
- Tanh followed by max pooling
- ReLU followed by sigmoid after the second projection
- GELU followed by layer normalization
- An SE block has C = 256 channels and reduction ratio r = 16. What is the bottleneck width?
- 4 units
- 32 units
- 256 units
- 16 units