گائیڈ سے منسلک کوئز · درمیانہ سطح
ڈراپ آؤٹ اور اسٹاکسٹک ریگولرائزیشن کوئز
بے ترتیب ماسک، ٹریننگ اور انفرنس موڈز، الٹی اسکیلنگ، کو-ایڈپٹیشن لمٹس، MC ڈراپ آؤٹ، اور متغیر پیشین گوئیوں کی جانچ کریں۔
سوال 1 کی 8
تربیت کے دوران ڈراپ آؤٹ کیا کرتا ہے؟
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- تربیت کے دوران ڈراپ آؤٹ کیا کرتا ہے؟
- وزن کو مستقل طور پر حذف کرتا ہے۔
- ہر فارورڈ پاس پر تصادفی طور پر نیوران آؤٹ پٹ کا ایک حصہ صفر پر سیٹ کرتا ہے۔
- سیکھنے کی شرح کو دوگنا کرتا ہے۔
- نیٹ ورک میں مزید پرتیں شامل کرتا ہے۔
- ڈراپ آؤٹ جنرلائزیشن کو کیوں بہتر کرتا ہے؟
- یہ پیرامیٹرز کی تعداد میں اضافہ کرتا ہے۔
- یہ تربیتی ڈیٹا کی ضرورت کو دور کرتا ہے۔
- یہ صفر تربیتی غلطی کی ضمانت دیتا ہے۔
- یہ نیوران کو ہم آہنگی سے روکتا ہے اور بے کار، مضبوط نمائندگی پر مجبور کرتا ہے۔
- ٹیسٹ (تخمینہ) کے وقت ڈراپ آؤٹ کا کیا ہوتا ہے؟
- اسے آف کر دیا جاتا ہے اور پورا نیٹ ورک استعمال ہوتا ہے۔
- یہ اور بھی زیادہ نیوران گرتا ہے۔
- یہ آدھے وزن کو حذف کر دیتا ہے۔
- یہ لیبلز کو بے ترتیب بناتا ہے۔
- ایک پرت میں p = 0.5 کے ڈراپ آؤٹ کی شرح کا مطلب تربیت کے دوران تقریباً کیا ہے؟
- تمام نیوران نکالے جاتے ہیں۔
- کوئی نیوران متاثر نہیں ہوتے ہیں۔
- تقریباً آدھے نیوران ہر پاس سے صفر ہو جاتے ہیں۔
- پرت کو حذف کر دیا گیا ہے۔
- ڈراپ آؤٹ کو اکثر قریب قریب کیا بیان کیا جاتا ہے؟
- ایک واحد لکیری رجعت
- فیصلہ کن درخت
- ایک فورئیر ٹرانسفارم
- بہت سے پتلے نیٹ ورکس کا ایک جوڑا جو وزن بانٹتے ہیں۔
- مونٹی کارلو ڈراپ آؤٹ کس کے لیے استعمال ہوتا ہے؟
- ڈیٹا لوڈنگ کو تیز کرنا
- اندازے کے مطابق ڈراپ آؤٹ کو فعال رکھ کر ماڈل کی غیر یقینی صورتحال کا اندازہ لگانا
- نیٹ ورک کو کم وزن تک سکیڑنا
- تربیتی ڈیٹا کو خود بخود لیبل لگانا
- With inverted dropout, why is no extra activation scaling normally needed at ordinary inference?
- The keep probability becomes exactly zero
- Inference always averages new random masks
- Surviving activations were already scaled during training
- Every weight is divided by the number of layers
- The same input yields varying predictions because dropout remains active during evaluation. What explains the variation?
- New random masks sample different subnetworks on each pass
- The input changes its label by itself
- The network has no trained weights
- Batch size must be one