نقصان کے افعال کوئز

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

1. For a prediction task, what does its selected loss quantify against the training target?
   • A specified prediction-error objective
   • Only runtime speed
   • Only the number of network layers
   • Every application benefit automatically
2. درجہ بندی کے کاموں کے لیے کون سا نقصان کا فنکشن سب سے زیادہ استعمال ہوتا ہے؟
   • مربع غلطی کا مطلب
   • مطلب مطلق غلطی
   • کراس اینٹروپی نقصان
   • قبضہ کا فاصلہ صرف
3. مطلب مربع غلطی کے مقابلے میں، آپ مطلب مطلق غلطی کا انتخاب کیوں کر سکتے ہیں؟
   • یہ ان کو مزید سزا دینے کے لیے غلطیوں کو مربع کرتا ہے۔
   • یہ آؤٹ لیرز کے لیے زیادہ مضبوط ہے کیونکہ اس میں غلطیاں نہیں ہوتی ہیں۔
   • اسے رجعت کے لیے استعمال نہیں کیا جا سکتا
   • یہ حقیقی لیبلز کو نظر انداز کرتا ہے۔
4. Why does gradient-based training need a usable loss derivative or suitable substitute?
   • So a loss number can be printed
   • So all learning methods become identical
   • So the dataset no longer needs targets
   • So backpropagation and optimization can obtain an update signal
5. How does one-hot class cross-entropy change as probability assigned to the target class becomes very small?
   • Its loss must become zero
   • It rewards the prediction increasingly
   • Its loss becomes large
   • It becomes identical to accuracy
6. درستگی کو عام طور پر براہ راست تربیتی نقصان کے طور پر کیوں استعمال نہیں کیا جاتا؟
   • یہ قابل تفریق نہیں ہے، لہذا یہ کوئی مفید میلان نہیں دیتا
   • اس کا حساب لگانا بہت آسان ہے۔
   • یہ صرف رجعت کے لیے کام کرتا ہے۔
   • یہ ہمیشہ نقصان کے برابر ہوتا ہے۔
7. For illustrative regression residuals one and three, what are mean squared error and mean absolute error?
   • MSE is two and MAE is five
   • Both are four
   • MSE is ten and MAE is four
   • MSE is five and MAE is two
8. Using a base-two logarithm, what one-hot cross-entropy loss corresponds to target-class probability one-quarter?
   • One-quarter bit
   • Two bits
   • Four bits
   • Zero bits