Вікторина, пов’язана з посібником · Середній Рівень

Вікторина щодо архітектури вузьких місць

Перевіряє скорочення каналів, економію обчислень, обернені залишки, оновлення низького рангу та спільні обмеження розмірності за вузькими місцями.

Пов'язані напрямні шляхиАрхітектури вузьких місць
Питання 1 з 8

Яка роль першої згортки 1x1 у блоці вузьких місць ResNet?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яка роль першої згортки 1x1 у блоці вузьких місць ResNet?
    • Щоб зменшити кількість каналів перед згорткою 3x3
    • Щоб збільшити просторову роздільну здатність
    • Для застосування остаточної класифікації
    • Щоб додати шум для регулярізації
  2. Чому вузьке місце робить глибокі мережі дешевшими для обчислень?
    • Він видаляє всі активації
    • Він виконує дорогі операції на меншій кількості каналів
    • Він всюди використовує більші ядра
    • Він пропускає зворотне поширення
  3. У автокодері рівень вузького місця в основному визначає:
    • Вибір оптимізатора
    • Формат файлу зображення
    • Наскільки стиснутий вхідний файл
    • Розмір партії
  4. MobileNetV2 використовує який варіант ідеї вузького місця?
    • Чисте вузьке місце об'єднання
    • Періодичне вузьке місце
    • Взагалі немає вузького місця
    • Перевернуте залишкове вузьке місце (розгорніть, а потім згорніть)
  5. Як LoRA застосовує принципи вузьких місць до великих мовних моделей?
    • Вставивши вузьке місце низького рангу, яке можна тренувати, в оновлення ваги
    • Видаляючи шари уваги
    • Подвоюючи всі ваги
    • Шляхом квантування до 1 біта
  6. Типовий вузький блок ResNet відповідає шаблону якого каналу?
    • Широкий, широкий, широкий
    • Зменшити, обробити, відновити (наприклад, 256 до 64 до 256)
    • Вузький, широкий, вузький
    • Випадкове для кожного шару
  7. A ResNet block reduces 256 channels to 64 before its 3×3 convolution. Ignoring the 1×1 layers, what is the 3×3 layer’s approximate multiply-add cost relative to 256 channels?
    • About one-quarter
    • About one-half
    • About one-sixteenth
    • About four times as much
  8. An autoencoder uses a narrow latent code. What constraint does this impose on reconstruction?
    • The encoder must preserve every input pixel exactly
    • The network can no longer use learned weights
    • The decoder must expand the latent code before encoding
    • The decoder must reconstruct the input from a compressed representation