گائیڈ سے منسلک کوئز · آسان سطح
مشروط GANs کوئز
چیک کرتا ہے کہ مشروط ان پٹ دونوں GAN نیٹ ورکس کی رہنمائی کیسے کرتے ہیں، امتیازی سلوک کرنے والے مماثل جوڑوں کا اندازہ کیسے لگاتے ہیں، اور کنڈیشنگ کیسے لگائی جا سکتی ہے۔
سوال 1 کی 8
مشروط GAN اور معیاری GAN کے درمیان بنیادی فرق کیا ہے؟
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- مشروط GAN اور معیاری GAN کے درمیان بنیادی فرق کیا ہے؟
- یہ آؤٹ پٹ کو کنٹرول کرنے کے لیے دونوں نیٹ ورکس میں کلاس لیبل جیسی اضافی معلومات فیڈ کرتا ہے۔
- یہ دو جنریٹر استعمال کرتا ہے۔
- یہ امتیازی سلوک کو دور کرتا ہے۔
- یہ صرف متن پر کام کرتا ہے، تصاویر پر نہیں۔
- لیبل والے ہندسوں پر تربیت یافتہ cGAN میں، آپ کیا کر سکتے ہیں جو ایک سادہ GAN نہیں کر سکتا؟
- بغیر کسی شور کے ان پٹ کے چلائیں۔
- ایک مخصوص ہندسے کی درخواست کریں جیسے '7'
- امتیاز کرنے والے کو مکمل طور پر چھوڑ دیں۔
- صرف سیاہ اور سفید شور پیدا کریں۔
- سی جی اے این کے امتیاز کرنے والے کو کیا چیک کرنا چاہیے، اس سے آگے کہ کوئی تصویر اصلی نظر آتی ہے؟
- تصویر کا فائل فارمیٹ
- میگا پکسلز میں ریزولوشن
- آیا تصویر اس کے دیے گئے لیبل سے میل کھاتی ہے۔
- تربیت سیکھنے کی شرح
- جنریٹر کو کنڈیشنگ سگنل فراہم کرنے کا ایک عام طریقہ کون سا ہے؟
- شور ویکٹر کو حذف کرنا
- بغیر کسی لیبل کے تربیت
- ایک الگ جسمانی سینسر کا استعمال
- لیبل کو شور کے ان پٹ سے جوڑنا
- مشروط GANs نے بعد میں کس صلاحیت کی بنیاد رکھی؟
- متن سے تصویر اور تصویر سے تصویر کی تخلیق
- تیز تر CPUs
- سپیم ای میل فلٹرنگ
- ڈیٹا بیس انڈیکسنگ
- جدید ڈفیوژن ماڈلز میں، کنڈیشنگ کا cGAN خیال اکثر کس طریقہ کار کے طور پر ظاہر ہوتا ہے؟
- بے ترتیب وزن تراشنا
- متن کے اشارے پر توجہ مرکوز کریں۔
- صرف دستی پکسل پینٹنگ
- شور شیڈول کو غیر فعال کرنا
- 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
- 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