Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Bài kiểm tra về sự tích chập có thể phân tách theo chiều sâu

Áp dụng phân chia theo chiều sâu và theo điểm, so sánh chi phí tích chập, tính toán một ví dụ nhỏ và nhận biết thiết kế mô hình di động hiệu quả.

Đường dẫn hướng dẫn liên quanCác kết cấu có thể phân tách theo chiều sâu
Câu hỏi 1 của 8

Hai bước mà tích chập có thể phân tách theo chiều sâu chia tích chập tiêu chuẩn thành gì?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Hai bước mà tích chập có thể phân tách theo chiều sâu chia tích chập tiêu chuẩn thành gì?
    • Bước tổng hợp, sau đó là bước chuẩn hóa
    • Hai tích chập 3x3 xếp chồng lên nhau với ReLU ở giữa chúng
    • Bộ lọc không gian theo chiều sâu cho mỗi kênh, sau đó kết hợp kênh theo điểm 1x1
    • Tích chập bộ mã hóa và giải mã bộ giải mã
  2. Trong bước đi sâu, các kênh đầu vào được xử lý như thế nào?
    • Mỗi kênh được lọc độc lập với kernel riêng
    • Tất cả các kênh được tổng hợp lại với nhau trước
    • Các kênh được xáo trộn ngẫu nhiên trước khi lọc
    • Chỉ có kênh đầu tiên được tích hợp
  3. For many output channels, what operation-count reduction does the guide associate with a 3×3 depthwise separable convolution?
    • Ít hơn khoảng 2 lần
    • Ít hơn khoảng 100 lần
    • Nó sử dụng tính toán nhiều hơn, không ít hơn
    • Ít hơn khoảng 8 đến 9 lần
  4. Vai trò của tích chập từng điểm (1x1) trong thiết kế này là gì?
    • Để giảm độ phân giải không gian
    • Để kết hợp thông tin trên các kênh tại mỗi địa điểm
    • Để thêm mã hóa vị trí
    • Để loại bỏ các điều khoản thiên vị
  5. Kiến trúc nổi tiếng nào đã phổ biến các tích chập có thể phân tách theo chiều sâu cho thiết bị di động?
    • Mạng di động
    • ResNet
    • AlexNet
    • LSTM
  6. An implementation applies only the depthwise spatial filters and omits the pointwise layer. Which capability is missing from that block?
    • Spatial filtering within each channel
    • Separate kernels for the input channels
    • Learned combination of information across channels
    • Local spatial feature extraction
  7. Using the guide’s formulas with M = 4 input channels and N = 16 outputs, how many multiply-adds per location do standard and separable 3×3 convolutions require?
    • Standard 100; separable 576
    • Standard 576; separable 100
    • Standard 576; separable 36
    • Standard 64; separable 100
  8. In the guide’s cost ratio 1/N + 1/9 for a 3×3 separable convolution, what happens as the output-channel count N becomes very large?
    • The ratio approaches 9
    • The ratio approaches zero
    • The ratio becomes independent of kernel size for every kernel
    • The ratio approaches 1/9