แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบเครือข่ายบีบและกระตุ้น

ตรวจสอบขั้นตอนการบีบและการกระตุ้น การปรับน้ำหนักช่องสัญญาณ ขนาดคอขวด และหลักฐานเบื้องหลังสถาปัตยกรรม SE

เส้นทางแนะนำที่เกี่ยวข้องเครือข่ายบีบและกระตุ้น
คำถาม 1 ของ 8

ขั้นตอน 'บีบ' ในบล็อก SE ทำหน้าที่อะไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ขั้นตอน 'บีบ' ในบล็อก SE ทำหน้าที่อะไร
    • ใช้การรวมกลุ่มโดยเฉลี่ยทั่วโลกเพื่อสรุปแต่ละช่องให้เป็นค่าเดียว
    • ครอบตัดรูปภาพให้มีขนาดเล็กลง
    • ลบช่องที่ซ้ำซ้อนอย่างถาวร
    • ใช้ซอฟต์แม็กซ์กับตำแหน่งเชิงพื้นที่
  2. ขั้นตอน 'การกระตุ้น' จะให้ผลลัพธ์อย่างไร
    • ชุดตัวกรอง Convolution ชุดใหม่
    • น้ำหนักต่อช่องระหว่าง 0 ถึง 1
    • กล่องขอบเขต
    • หน้ากากการแบ่งส่วน
  3. น้ำหนักการกระตุ้นนำไปใช้กับแผนผังฟีเจอร์ดั้งเดิมอย่างไร
    • เพิ่มองค์ประกอบที่ชาญฉลาด
    • เชื่อมต่อเป็นช่องทางใหม่
    • คูณตามช่องสัญญาณ
    • ใช้เพื่อปกปิดขอบเขตพื้นที่
  4. เหตุใดการกระตุ้นจึงใช้คอขวดที่มีอัตราส่วนการลดลง (มักเป็น 16)
    • เพื่อเพิ่มจำนวนคลาสเอาต์พุต
    • เพื่อขจัดความจำเป็นในการโน้มน้าวใจ
    • เพื่อให้เครือข่ายตื้นขึ้น
    • เพื่อให้พารามิเตอร์ที่เพิ่มเข้ามาและคำนวณมีขนาดเล็ก
  5. SENet ชนะการแข่งขันใดในปี 2560
    • ความท้าทายในการจำแนกประเภท ImageNet ILSVRC
    • ความท้าทายในการตรวจจับ COCO
    • การแข่งขัน Kaggle Titanic
    • เกณฑ์มาตรฐาน GLUE
  6. สถาปัตยกรรมรุ่นหลังใดที่ฝังบล็อก SE เพื่อประสิทธิภาพ
    • เบิร์ต และ GPT
    • EfficientNet และ MobileNetV3
    • Word2Vec และ GloVe
    • WaveNet และ Tacotron
  7. 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
  8. 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