Bottleneck آرکیٹیکچرز کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. ResNet bottleneck بلاک میں، پہلے 1x1 convolution کا کیا کردار ہے؟
   • 3x3 convolution سے پہلے چینلز کی تعداد کو کم کرنے کے لیے
   • مقامی ریزولوشن کو بڑھانے کے لیے
   • حتمی درجہ بندی کا اطلاق کرنے کے لیے
   • ریگولرائزیشن کے لیے شور شامل کرنا
2. ایک رکاوٹ گہرے نیٹ ورکس کو گنتی کے لیے سستا کیوں بناتی ہے؟
   • یہ تمام ایکٹیویشنز کو ہٹاتا ہے۔
   • یہ کم چینلز پر مہنگے آپریشن کرتا ہے۔
   • یہ ہر جگہ بڑے دانا استعمال کرتا ہے۔
   • یہ بیک پروپیگیشن کو چھوڑ دیتا ہے۔
3. آٹو اینکوڈر میں، رکاوٹ کی پرت بنیادی طور پر تعین کرتی ہے:
   • اصلاح کار کا انتخاب
   • تصویر کی فائل کی شکل
   • ان پٹ کو کتنا کمپریس کیا گیا ہے۔
   • بیچ کا سائز
4. MobileNetV2 رکاوٹ آئیڈیا کی کون سی قسم استعمال کرتا ہے؟
   • خالص پولنگ رکاوٹ
   • بار بار آنے والی رکاوٹ
   • بالکل بھی کوئی رکاوٹ نہیں۔
   • الٹی بقایا رکاوٹ (توسیع پھر معاہدہ)
5. LoRA بڑے زبان کے ماڈلز میں رکاوٹ کے اصولوں کو کیسے لاگو کرتا ہے؟
   • وزن کی تازہ کاریوں میں قابل تربیت کم درجہ (تنگ) رکاوٹ ڈال کر
   • توجہ کی تہوں کو حذف کرکے
   • تمام وزن کو دوگنا کرکے
   • 1 بٹ کو کوانٹائز کرکے
6. ایک عام ResNet bottleneck بلاک کس چینل کے پیٹرن کی پیروی کرتا ہے؟
   • چوڑا، چوڑا، چوڑا
   • کم کریں، عمل کریں، بحال کریں (مثال کے طور پر، 256 سے 64 سے 256 تک)
   • تنگ، چوڑا، تنگ
   • بے ترتیب فی پرت
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