گائیڈ سے منسلک کوئز · درمیانہ سطح
خستہ حال اور ایٹروس کنولوشنز کوئز
ڈائلیشن اسپیسنگ، ریسپٹیو فیلڈز، سیگمنٹیشن، ویو نیٹ، گرڈنگ، اور متوازی ملٹی اسکیل سیاق و سباق کو ایٹروس کنولوشنز میں چیک کریں۔
سوال 1 کی 8
1 سے زیادہ پھیلاؤ کی شرح کنولوشن کرنل کو کیا کرتی ہے؟
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- 1 سے زیادہ پھیلاؤ کی شرح کنولوشن کرنل کو کیا کرتی ہے؟
- یہ دانا کے وزن کے درمیان خلا کو داخل کرتا ہے تاکہ وہ ایک وسیع علاقے کا احاطہ کریں۔
- یہ دانا میں مزید سیکھنے کے قابل وزن کا اضافہ کرتا ہے۔
- یہ دانا کو ایک نقطہ پر سکڑتا ہے۔
- یہ دانا کو پولنگ آپریشن میں بدل دیتا ہے۔
- 2 کے پھیلاؤ کی شرح کے ساتھ ایک 3x3 دانا مؤثر طریقے سے کتنا بڑا خطہ پھیلاتا ہے؟
- 3x3
- 5x5
- 7x7
- 9x9
- خستہ حال convolutions خاص طور پر semantic segmentation کے لیے کیوں مفید ہیں؟
- وہ تصویر کو ایک ہی لیبل تک کم کرتے ہیں۔
- وہ کسی بھی تربیتی ڈیٹا کی ضرورت کو ختم کرتے ہیں۔
- وہ فیچر میپ ریزولوشن کو اونچا رکھتے ہوئے ریسپٹیو فیلڈ کو بڑا کرتے ہیں۔
- وہ صرف گرے اسکیل امیجز پر کام کرتے ہیں۔
- ایٹروس کی اصطلاح کس چیز سے نکلتی ہے؟
- پرت کے لیے لاطینی لفظ
- تربیت کے طریقہ کار کا مخفف
- اس کے موجد کا نام
- فرانسیسی ایک ٹراؤس، جس کا مطلب ہے سوراخ والا
- WaveNet میں، اسٹیکڈ ڈیلیٹڈ کنولوشنز کیوں قیمتی ہیں؟
- وہ آڈیو کے بجائے تصاویر بناتے ہیں۔
- وہ آڈیو ویوفارم میں بہت طویل فاصلے پر انحصار کو مؤثر طریقے سے پکڑتے ہیں۔
- وہ ریکارڈنگ سے تمام خاموشی کو ہٹا دیتے ہیں۔
- وہ آڈیو کو براہ راست متن میں تبدیل کرتے ہیں۔
- کیا مسئلہ پیدا ہو سکتا ہے اگر آپ ناقص منتخب شدہ سنگل ریٹ کے ساتھ ڈائیلیٹڈ کنولوشنز کو اسٹیک کریں؟
- نیٹ ورک تربیت کے لیے بہت چھوٹا ہو جاتا ہے۔
- تصویر کو مستقل طور پر گھمایا جاتا ہے۔
- پیسنے والے نمونے، جہاں کچھ ان پٹ پوزیشنوں کا نمونہ کبھی نہیں لیا جاتا ہے۔
- تمام وزن صفر ہو جاتے ہیں۔
- How does Atrous Spatial Pyramid Pooling combine multiple scales in DeepLab?
- It runs several dilation rates in parallel and fuses their outputs
- It chooses one fixed dilation rate and discards the rest
- It converts the image into a single global class before convolution
- It replaces every convolution with a larger dense kernel
- For one input channel and one output channel, how many kernel weights does a dilated 3×3 filter contain, excluding a bias?
- 25, because dilation 2 spans a 5×5 region
- 5, one for each position along the expanded width
- 18, because dilation 2 doubles the number of weights
- 9, because dilation changes spacing rather than the 3×3 weight count