گائیڈ سے منسلک کوئز · درمیانہ سطح

GANs کوئز کی ترقی پسندی

موٹے سے عمدہ GAN ٹریننگ، ہم آہنگی کی نمو، الفا فیڈ ان، بیچ کے تغیر کی خصوصیات، سیکھنے کی برابر شرح، اور بعد میں طے شدہ فن تعمیر کی جانچ کریں۔

متعلقہ گائیڈ کے راستےGANs کی تدریجی ترقی
سوال 1 کی 8

آہستہ آہستہ بڑھنے والا GAN تربیت کیسے شروع کرتا ہے؟

ہر سوال کا جائزہ لیں۔8 سوالات

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

  1. آہستہ آہستہ بڑھنے والا GAN تربیت کیسے شروع کرتا ہے؟
    • فوری طور پر مکمل ہدف کی قرارداد پر
    • بہت کم ریزولوشن پر جیسے 4x4 پکسلز
    • صرف امتیاز کرنے والے کو پہلے سے تربیت دے کر
    • ٹیکسٹ پرامپٹ کے ساتھ
  2. ریزولوشن کو بتدریج بڑھنے کا بنیادی فائدہ کیا ہے؟
    • یہ براہ راست اعلی ریزولوشن میں تربیت سے زیادہ مستحکم اور تیز تر تربیت کو بناتا ہے۔
    • یہ جنریٹر کی ضرورت کو دور کرتا ہے۔
    • یہ ڈیٹاسیٹ کی ضرورت کو ختم کرتا ہے۔
    • یہ صفر نمونے کی ضمانت دیتا ہے۔
  3. جب ایک نئی اعلی ریزولوشن پرت شامل کی جاتی ہے، تو اسے کیسے متعارف کرایا جاتا ہے؟
    • فوری طور پر پوری طاقت پر
    • صرف امتیاز کرنے والے میں، کبھی جنریٹر میں نہیں۔
    • ملاوٹ والے وزن (الفا) کے ساتھ آسانی سے دھندلا ہوا جو 0 سے 1 تک ریمپ کرتا ہے۔
    • شروع سے نیٹ ورک کو دوبارہ تربیت دے کر
  4. جنریٹر اور امتیاز کرنے والے دونوں میں پرتیں کیوں شامل کی جاتی ہیں؟
    • کیونکہ اکیلا جنریٹر رنگ نہیں بنا سکتا
    • ڈیٹا سیٹ کا سائز کم کرنے کے لیے
    • صرف تصور کے مقاصد کے لیے
    • ریزولوشن میں اضافے کے ساتھ ہی دو نیٹ ورکس کو ہم آہنگ اور متوازن رکھنے کے لیے
  5. ProGAN میں متعارف کرائی گئی منی بیچ معیاری انحراف پرت کا کیا مقصد ہے؟
    • حتمی تصویر کو بہتر بنانے کے لیے
    • ماڈل کو کمپریس کرنے کے لیے
    • آؤٹ پٹ تغیرات کو بڑھانے اور موڈ کے خاتمے کی حوصلہ شکنی کرنے کے لیے
    • تربیتی تصاویر کو لیبل کرنے کے لیے
  6. بعد میں کس ترقی نے واضح ترقی پسند نشوونما کی ضرورت کو کم کیا؟
    • امتیاز کرنے والے کی ایجاد
    • StyleGAN2 اسکیپ/بقیہ کنکشن کے ساتھ ایک فکسڈ فن تعمیر کو معیار سے مماثل کرسکتا ہے۔
    • گرے اسکیل امیجز پر سوئچ کرنا
    • اویکت ویکٹر کو مکمل طور پر ہٹانا
  7. At alpha equal to zero during a ProGAN generator fade-in, which path supplies the blended output?
    • Only the newly added block at full strength
    • An unrelated pretrained text encoder
    • A random photograph taken from the test set
    • The previous lower-resolution path after upsampling
  8. What is the original ProGAN equalized-learning-rate method intended to balance?
    • The effective scale of learning across layers through dynamic weight scaling
    • The number of captions assigned to each face image
    • The timestamp of every generated training sample
    • The count of output file formats across batches