گائیڈ سے منسلک کوئز · درمیانہ سطح

گہرائی سے الگ کرنے والا کنولوشن کوئز

گہرائی کی سمت اور پوائنٹ وار تقسیم کا اطلاق کریں، کنوولوشن لاگت کا موازنہ کریں، ایک چھوٹی مثال کا حساب لگائیں، اور موثر موبائل ماڈل ڈیزائن کو پہچانیں۔

سوال 1 کی 8

وہ کون سے دو مراحل ہیں جن میں گہرائی کے لحاظ سے الگ ہونے والا کنولوشن ایک معیاری کنوولوشن کو تقسیم کرتا ہے؟

ہر سوال کا جائزہ لیں۔8 سوالات

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

  1. وہ کون سے دو مراحل ہیں جن میں گہرائی کے لحاظ سے الگ ہونے والا کنولوشن ایک معیاری کنوولوشن کو تقسیم کرتا ہے؟
    • ایک پولنگ مرحلہ جس کے بعد نارملائزیشن کا مرحلہ
    • ان کے درمیان ایک ReLU کے ساتھ دو اسٹیک شدہ 3x3 convolutions
    • فی چینل گہرائی کے لحاظ سے مقامی فلٹر، پھر 1x1 پوائنٹ وائز چینل مکس
    • ایک انکوڈر کنولوشن اور ایک ڈیکوڈر ڈیکونولوشن
  2. گہرائی کی سمت میں، ان پٹ چینلز کے ساتھ کیسے سلوک کیا جاتا ہے؟
    • ہر چینل کو اس کے اپنے دانا کے ساتھ آزادانہ طور پر فلٹر کیا جاتا ہے۔
    • سب سے پہلے تمام چینلز کو اکٹھا کیا جاتا ہے۔
    • فلٹر کرنے سے پہلے چینلز کو تصادفی طور پر بدل دیا جاتا ہے۔
    • صرف پہلا چینل ملوث ہے۔
  3. For many output channels, what operation-count reduction does the guide associate with a 3×3 depthwise separable convolution?
    • تقریباً 2 گنا کم
    • تقریباً 100 گنا کم
    • یہ زیادہ حساب کا استعمال کرتا ہے، کم نہیں
    • تقریباً 8 سے 9 گنا کم
  4. اس ڈیزائن میں پوائنٹ وائز (1x1) کنولیشن کا کیا کردار ہے؟
    • مقامی ریزولوشن کو کم کرنے کے لیے
    • ہر مقام پر چینلز کی معلومات کو یکجا کرنے کے لیے
    • پوزیشنی انکوڈنگز شامل کرنے کے لیے
    • تعصب کی شرائط کو دور کرنے کے لیے
  5. کس معروف فن تعمیر نے موبائل آلات کے لیے گہرائی کے لحاظ سے الگ کیے جانے والے کنولوشنز کو مقبول بنایا؟
    • موبائل نیٹ
    • ریس نیٹ
    • الیکس نیٹ
    • ایل ایس ٹی ایم
  6. An implementation applies only the depthwise spatial filters and omits the pointwise layer. Which capability is missing from that block?
    • Spatial filtering within each channel
    • Separate kernels for the input channels
    • Learned combination of information across channels
    • Local spatial feature extraction
  7. Using the guide’s formulas with M = 4 input channels and N = 16 outputs, how many multiply-adds per location do standard and separable 3×3 convolutions require?
    • Standard 100; separable 576
    • Standard 576; separable 100
    • Standard 576; separable 36
    • Standard 64; separable 100
  8. In the guide’s cost ratio 1/N + 1/9 for a 3×3 separable convolution, what happens as the output-channel count N becomes very large?
    • The ratio approaches 9
    • The ratio approaches zero
    • The ratio becomes independent of kernel size for every kernel
    • The ratio approaches 1/9