لیبل اسموتھنگ کوئز

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

1. لیبل ہموار کرنے سے تربیتی اہداف کے بارے میں کیا تبدیلی آتی ہے؟
   • یہ ایک گرم اہداف کو نرم کرتا ہے لہذا حقیقی کلاس 1.0 سے نیچے ہے اور دیگر 0 سے قدرے اوپر ہیں۔
   • یہ نقصان کی تقریب کو ہٹاتا ہے
   • یہ غلط کلاسوں کو حذف کرتا ہے۔
   • یہ سیکھنے کی شرح کو دوگنا کرتا ہے۔
2. ہموار کرنے والے پیرامیٹر ایپیلون کے لیے ایک عام قدر یہ ہے:
   • 0.9
   • 0.1
   • 5.0
   • 0.0
3. What is one intended effect of replacing hard one-hot targets with smoothed targets?
   • Force every class to have equal probability
   • Guarantee the largest possible logit for the true class
   • Avoid requiring the labeled class to receive a target probability of exactly one
   • Remove the need for labeled training data
4. Which landmark architectures are prominent examples of label-smoothing use?
   • AlexNet and LeNet only
   • ResNet-50 and VGG only
   • AlphaGo اور AlphaZero
   • Inception-v3 اور ٹرانسفارمر
5. What can label smoothing do to calibration?
   • It can improve calibration in some settings, but the effect is task- and model-dependent
   • It guarantees perfect calibration for every classifier
   • It cannot affect predicted probabilities
   • It always makes confidence equal accuracy
6. لیبل ہموار کرنے کا دستاویزی منفی پہلو کیا ہے؟
   • یہ ہمیشہ درستگی کو کم کرتا ہے۔
   • یہ طبقاتی مماثلت کو مٹا سکتا ہے، علم کی کشید کو نقصان پہنچا سکتا ہے۔
   • اس کے لیے دو بار ٹریننگ ڈیٹا کی ضرورت ہوتی ہے۔
   • یہ صرف متن پر کام کرتا ہے۔
7. Why can label smoothing complicate knowledge distillation?
   • It converts every class label into an image
   • It forces the student to use a different tokenizer
   • It can remove information in logits about similarities among incorrect classes
   • It prevents the teacher from producing logits
8. What should a practitioner verify when comparing label-smoothing implementations?
   • Whether the model has a web browser
   • Whether training uses a validation filename
   • Whether logits are stored as text
   • Whether epsilon is distributed over all classes or only the non-target classes