گائیڈ سے منسلک کوئز · درمیانہ سطح

جنریٹیو ایڈورسریل نیٹ ورکس کوئز

جنریٹر اور امتیازی کردار، اصل GAN آدانوں، مخالفانہ تاثرات، موڈ کا خاتمہ، تاریخی ماخذ، توازن، اور کنڈیشنگ کا جائزہ لیں۔

متعلقہ گائیڈ کے راستےجنریٹیو مخالف نیٹ ورکس
سوال 1 کی 8

GAN میں دو مسابقتی نیٹ ورک کیا ہیں؟

ہر سوال کا جائزہ لیں۔8 سوالات

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

  1. GAN میں دو مسابقتی نیٹ ورک کیا ہیں؟
    • ایک انکوڈر اور ایک ڈیکوڈر
    • ایک قاری اور مصنف
    • دو ایک جیسی کاپیاں جو ہمیشہ متفق ہوتی ہیں۔
    • ایک جنریٹر جو جعلی بناتا ہے اور ایک امتیاز کرنے والا جو ان کا فیصلہ کرتا ہے۔
  2. In the original unconditional GAN formulation, what input does the generator transform into a sample?
    • A guaranteed copy of a finished real image
    • Sampled latent noise
    • The discriminator's parameter file
    • A fixed human-written answer key
  3. What adversarial learning signal can reach a GAN generator through its discriminator?
    • Gradients of the generator objective with respect to its parameters
    • A rule that every generated image is correct
    • A prohibition against all conditional image inputs
    • A copy of every discriminator weight as the output image
  4. GAN میں 'موڈ کا خاتمہ' کیا ہے؟
    • امتیاز کرنے والا تمام ڈیٹا کو حذف کر دیتا ہے۔
    • نیٹ ورک کی میموری ختم ہو جاتی ہے۔
    • جنریٹر مختلف قسم کے بجائے صرف چند بار بار پیداوار پیدا کرتا ہے۔
    • تصویر کا ریزولوشن خود بخود دوگنا ہو جاتا ہے۔
  5. Which researchers introduced the GAN framework in the 2014 paper?
    • Alan Turing alone in 1950
    • ایان گڈ فیلو اور ساتھی
    • Geoffrey Hinton alone in 2006
    • Yann LeCun alone in 1998
  6. How can a conventional feed-forward GAN generator produce one sample after training?
    • By requiring exactly a thousand discriminator updates at inference
    • By retrieving an unchanged target image in every case
    • Without evaluating any learned computation
    • With one forward evaluation of the generator
  7. At the ideal original GAN equilibrium where generated and real distributions match, what probability does the optimal discriminator assign to an example being real?
    • Zero for every example
    • One for every example
    • One-half
    • A probability greater than one
  8. In the conditional GAN formulation, where can a class label or other condition be supplied?
    • To both the generator and the discriminator
    • Only to an unrelated output filename
    • To neither network by definition
    • Only after all training and generation have finished