تغیراتی آٹو اینکوڈر کوئز

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

1. دیے گئے ان پٹ کے لیے VAE آؤٹ پٹ میں انکوڈر کیا کرتا ہے؟
   • امکانی تقسیم کے پیرامیٹرز، جیسے کہ وسط اور تغیر
   • اویکت جگہ میں ایک واحد مقررہ نقطہ
   • ایک کلاس لیبل
   • ان پٹ کی دوبارہ تشکیل شدہ کاپی
2. ری پیرامیٹرائزیشن کی چال کا مقصد کیا ہے؟
   • ڈیکوڈر کو بڑا بنانے کے لیے
   • گریڈیئنٹس کو بے ترتیب نمونے لینے کے مرحلے سے گزرنے کی اجازت دینے کے لیے
   • ڈیکوڈر کی ضرورت کو دور کرنے کے لیے
   • پوشیدہ جگہ کو مزید کمپریس کرنے کے لیے
3. In the standard Gaussian VAE formulation, what does the KL term encourage?
   • The decoder to predict future input tokens
   • The encoder to remove all randomness
   • The approximate posterior to stay close to the chosen prior, commonly a standard normal
   • Every latent variable to have the same observed value
4. VAEs تربیت کے دوران جس مقصدی فنکشن کو زیادہ سے زیادہ کرتا ہے اسے کہا جاتا ہے:
   • کراس اینٹروپی چھت
   • مخالفانہ نقصان
   • مربع مارجن کا مطلب
   • ایویڈینس لوئر باؤنڈ (ELBO)
5. In a Gaussian VAE, what enables generation of a new sample?
   • Sample a latent from the prior and decode it with the learned decoder
   • Copy a training image directly without a model
   • Run the encoder backward with no latent sampling
   • Choose a random class label without decoding
6. مستحکم بازی جیسے اویکت بازی ماڈل میں، VAE کیا کردار ادا کرتا ہے؟
   • یہ تربیتی تصاویر کو لیبل کرتا ہے۔
   • یہ تصاویر کو ایک اویکت جگہ پر کمپریس کرتا ہے جہاں پھیلاؤ چلتا ہے، پھر دوبارہ پکسلز پر ڈی کوڈ کرتا ہے۔
   • یہ ٹیکسٹ انکوڈر کی جگہ لے لیتا ہے۔
   • یہ شور کی سطح کو شیڈول کرتا ہے۔
7. In variational inference, what does the ELBO provide for the marginal log likelihood log p(x)?
   • An exact value of log p(x) for every model
   • A guarantee that each generated sample is realistic
   • A tractable lower bound that can be maximized instead of directly maximizing log p(x)
   • A posterior distribution that requires no inference model
8. What distribution does a VAE decoder model given a latent vector?
   • The encoder’s approximate posterior q(z|x)
   • The training set’s class-frequency histogram only
   • The optimizer’s learning-rate schedule
   • The likelihood of an observation conditioned on that latent, p(x|z)