Rehber bağlantılı sınav · Kolay Seviye

Koşullu GAN Testi

Koşullu girdilerin her iki GAN ağını nasıl yönlendirdiğini, ayırıcıların eşleşen çiftleri nasıl değerlendirdiğini ve koşullandırmanın nasıl enjekte edilebileceğini kontrol eder.

İlgili kılavuz yollarıKoşullu GAN'lar
Soru 1 arasında 8

Koşullu GAN ile standart GAN arasındaki temel fark nedir?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Koşullu GAN ile standart GAN arasındaki temel fark nedir?
    • Çıkışı kontrol etmek için her iki ağa da sınıf etiketi gibi ekstra bilgiler besler
    • İki jeneratör kullanır
    • Ayrımcıyı ortadan kaldırır
    • Yalnızca metin üzerinde çalışır, resimlerde değil
  2. Etiketli rakamlarla eğitilmiş bir cGAN'da, düz bir GAN'ın yapamayacağı ne yapabilirsiniz?
    • Herhangi bir gürültü girişi olmadan çalıştırın
    • '7' gibi belirli bir rakam isteyin
    • Ayırıcıyı tamamen atla
    • Yalnızca siyah beyaz gürültü üret
  3. cGAN ayırıcısı, bir görüntünün gerçek görünüp görünmediğinin ötesinde neyi kontrol etmelidir?
    • Resmin dosya formatı
    • Megapiksel cinsinden çözünürlük
    • Resmin verilen etiketle eşleşip eşleşmediği
    • Eğitim öğrenme oranı
  4. Jeneratöre koşullandırma sinyali sağlamanın yaygın yolu hangisidir?
    • Gürültü vektörünün silinmesi
    • Etiketsiz eğitim
    • Ayrı bir fiziksel sensör kullanma
    • Etiketi gürültü girişine bağlama
  5. Koşullu GAN'lar daha sonraki hangi yeteneğin temelini attı?
    • Metinden görüntüye ve görüntüden görüntüye oluşturma
    • Daha hızlı CPU'lar
    • Spam e-posta filtreleme
    • Veritabanı indeksleme
  6. Modern difüzyon modellerinde, cGAN'ın koşullandırma fikri sıklıkla hangi mekanizma olarak ortaya çıkar?
    • Rastgele ağırlık kırpma
    • Metin isteminde çapraz dikkat
    • Yalnızca manuel piksel boyama
    • Gürültü zamanlamasını devre dışı bırakma
  7. Why must a conditional discriminator see both the generated image and its conditioning label?
    • It uses the label to choose the learning-rate schedule
    • It converts the label into a random noise seed only
    • It needs to judge whether the image is realistic and whether it matches the requested condition
    • It prevents the generator from receiving noise
  8. Besides concatenating a class label to the noise vector, which conditioning method is described in the guide?
    • A spectral-radius constraint
    • An inverse Hessian update
    • A sequence-level BLEU reward
    • A projection layer that scores compatibility between label and image features