Câu đố về hàm mất mát

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

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. Hàm mất mát nào được sử dụng phổ biến nhất cho các nhiệm vụ phân loại?
   • Sai số bình phương trung bình
   • Sai số tuyệt đối trung bình
   • Mất entropy chéo
   • Chỉ khoảng cách bản lề
3. So với sai số bình phương trung bình, tại sao bạn có thể chọn sai số tuyệt đối trung bình?
   • Nó bình phương những lỗi lầm để trừng phạt chúng nhiều hơn
   • Nó mạnh mẽ hơn đối với các ngoại lệ vì nó không bình phương lỗi
   • Nó không thể được sử dụng để hồi quy
   • Nó bỏ qua các nhãn thực sự
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. Tại sao độ chính xác thường không được sử dụng trực tiếp như một sự mất mát trong quá trình huấn luyện?
   • Nó không khả vi nên không cho ra gradient hữu ích
   • Tính toán quá dễ dàng
   • Nó chỉ hoạt động cho hồi quy
   • Dù sao thì nó cũng luôn bằng sự mất mát
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