Вікторина, пов’язана з посібником · важко Рівень

Тест із цілями InfoNCE та SimCLR

Перевіряє об’єкт InfoNCE «позитивний проти негативного», перегляди SimCLR і головку проекції, а також роль температури та розміру партії.

Пов'язані напрямні шляхиЦілі Infonce та Simclr
Питання 1 з 8

До чого мета InfoNCE спонукає модель?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. До чого мета InfoNCE спонукає модель?
    • Зробіть запит більш схожим на справжнє позитивне, ніж на багато негативних
    • Запам'ятайте точні значення пікселів кожного зображення
    • Зведіть до мінімуму кількість параметрів моделі
    • Передбачте наступне слово в реченні
  2. Як у SimCLR створюється позитивна пара?
    • Поєднуючи зображення з його людською міткою
    • Шляхом застосування двох різних випадкових доповнень до одного зображення
    • Вибравши два абсолютно різних зображення
    • Обертаючи весь набір даних
  3. Яку роль відіграє температура τ у NT-Xent / InfoNCE?
    • Він встановлює швидкість навчання
    • Він автоматично контролює розмір партії
    • Він масштабує бали подібності; нижчий τ посилює розподіл і підкреслює жорсткі негативи
    • Він визначає кількість шарів у кодері
  4. Що відбувається з проекційною головкою SimCLR після попереднього навчання?
    • Він стає остаточним класифікатором
    • Він заморожений і використовується як кодер
    • Він дублюється для висновку
    • Його викидають; представлення перед заголовком використовується для подальших завдань
  5. Чому SimCLR покладався на великі пакети?
    • Наводити багато негативних прикладів на кожному етапі навчання
    • Щоб зменшити використання пам'яті
    • Щоб уникнути використання аугментацій
    • Для усунення необхідності параметра температури
  6. In SimCLR, which examples usually act as negatives for one anchor view?
    • The matching view of the same image
    • The other augmented views in the batch that come from different images
    • Only examples with the same class label
    • Views produced by a second encoder trained on labels
  7. Why does SimCLR use a nonlinear projection head before computing its contrastive loss?
    • It replaces the image encoder
    • It supplies class labels during pretraining
    • The learned projection helps the contrastive objective while the representation before the head can transfer downstream
    • It removes the need for data augmentation
  8. For an InfoNCE anchor, what should happen to the positive similarity relative to sampled negatives?
    • Every negative should have a higher score than the positive
    • All scores must be identical
    • The positive is excluded from the objective
    • The positive should receive a higher score than the negatives