แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบ Wasserstein GAN

ตรวจสอบระยะทางของ Wasserstein คะแนนวิจารณ์ สภาพของ Lipschitz การตัดน้ำหนัก การลงโทษแบบไล่ระดับ และความเสถียรของการฝึก GAN

เส้นทางแนะนำที่เกี่ยวข้องวัสเซอร์สไตน์ GAN
คำถาม 1 ของ 8

WGAN ใช้ตัวชี้วัดระยะทางใดเพื่อเปรียบเทียบการแจกแจงจริงและการแจกแจงที่สร้างขึ้น

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. WGAN ใช้ตัวชี้วัดระยะทางใดเพื่อเปรียบเทียบการแจกแจงจริงและการแจกแจงที่สร้างขึ้น
    • ระยะห่างของวัสเซอร์สไตน์ (ผู้ขับเคลื่อนดิน)
    • ความแตกต่างของคุลล์แบ็ค-ไลเบลอร์
    • ความคล้ายคลึงโคไซน์
    • ระยะทางพิกเซลแบบยุคลิด
  2. ใน WGAN เครือข่ายที่เป็นผู้เลือกปฏิบัติถูกเปลี่ยนชื่อเป็น อะไร และเพราะเหตุใด
    • 'ผู้พิพากษา' เพราะโหวตว่าใช่หรือไม่ใช่
    • 'นักวิจารณ์' เพราะมันให้คะแนนความเป็นจริงอย่างต่อเนื่องมากกว่าความน่าจะเป็น
    • 'เครื่องเก็บตัวอย่าง' เพราะมันสร้างเสียงรบกวน
    • 'ตัวกรอง' เพราะจะลบภาพที่ไม่ดี
  3. เหตุใดนักวิจารณ์ WGAN จึงต้องถูกจำกัดให้เป็น 1-Lipschitz
    • เพื่อให้ฝึกได้เร็วขึ้นบน GPU
    • เพื่อลดจำนวนพารามิเตอร์
    • เนื่องจากความเป็นคู่ของคันโตโรวิช-รูบินสไตน์ที่ใช้ในการคำนวณระยะทางวัสเซอร์สไตน์จึงต้องมีการไล่ระดับสีแบบมีขอบเขต
    • เพื่อบังคับให้ส่งออกจำนวนเต็ม
  4. WGAN ดั้งเดิมบังคับใช้ข้อจำกัดของ Lipschitz อย่างไร
    • โดยการเพิ่มการออกกลางคัน
    • โดยใช้การทำให้เป็นมาตรฐานแบบแบตช์เท่านั้น
    • โดยการแช่แข็งเครื่องกำเนิดไฟฟ้า
    • โดยการตัดน้ำหนักของนักวิจารณ์ให้เหลือน้อย
  5. WGAN ลดปัญหาอะไรลงอย่างเห็นได้ชัดเมื่อเทียบกับ vanilla GAN
    • โหมดล่มสลายและการสูญเสียที่ไม่มีข้อมูล
    • เกินกว่าชุดทดสอบ
    • โหลดภาพช้า
    • การใช้หน่วยความจำมากเกินไป
  6. WGAN-GP มีการปรับปรุงอะไรบ้างจาก WGAN ดั้งเดิม?
    • เครื่องกำเนิดไฟฟ้าที่ใหญ่กว่า
    • การลงโทษแบบไล่ระดับแทนที่การตัดน้ำหนัก
    • ชุดข้อมูลใหม่
    • รางวัลการเรียนรู้แบบเสริมกำลัง
  7. Why can Wasserstein loss provide a useful signal when real and generated distributions barely overlap?
    • It becomes a binary accuracy score
    • It no longer depends on the critic
    • The distance can vary smoothly as the distributions move, providing gradients before they overlap
    • It requires the generator to match every sample exactly
  8. What does the WGAN-GP gradient penalty encourage the critic’s gradient norm to do on sampled interpolations?
    • Become exactly zero everywhere
    • Grow without bound
    • Match the generator’s parameter count
    • Stay near one