Bài kiểm tra có liên kết hướng dẫn · Cứng Cấp độ
Bài kiểm tra khai thác tiêu cực trực tuyến và khó
Kiểm tra các nhóm trực tuyến và ngoại tuyến, lựa chọn hàng loạt và bán cứng, phủ định sai lệch và kiểm tra ứng viên dựa trên khoảng cách.
Câu hỏi 1 của 8
Tại sao hầu hết các kết quả âm tính được lấy mẫu ngẫu nhiên lại cung cấp ít tín hiệu huấn luyện khi mất bộ ba?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Tại sao hầu hết các kết quả âm tính được lấy mẫu ngẫu nhiên lại cung cấp ít tín hiệu huấn luyện khi mất bộ ba?
- Chúng thường bị dán nhãn sai
- Chúng quá nhỏ để vừa với bộ nhớ
- Họ đã ở xa mỏ neo nên độ suy hao và độ dốc gần như bằng 0
- Chúng luôn bằng khoảng cách dương
- Điều gì phân biệt khai thác trực tuyến với khai thác ngoại tuyến?
- Khai thác trực tuyến sử dụng internet; ngoại tuyến không
- Khai thác trực tuyến chọn các ví dụ cứng trong mỗi lô nhỏ một cách nhanh chóng
- Khai thác trực tuyến chỉ hoạt động trên văn bản
- Khai thác trực tuyến không yêu cầu chuyển tiếp
- Âm 'bán cứng' như được định nghĩa trong FaceNet là gì?
- Điểm âm gần với điểm neo hơn điểm dương
- Một số âm tương đương chính xác với mỏ neo
- Bất kỳ tiêu cực nào được chọn ngẫu nhiên
- Âm xa hơn dương nhưng vẫn nằm trong giới hạn
- Trong quá trình khai thác hàng loạt, số âm nào được chọn cho mỗi mỏ neo?
- Âm bản gần nhất trong lô
- Số âm xa nhất trong lô
- Tiêu cực ngẫu nhiên
- Âm với khoảng cách trung vị
- Tại sao kích thước lô lớn hơn có xu hướng cải thiện kết quả học số liệu được khai thác?
- Nó làm giảm kích thước nhúng
- Nó loại bỏ sự cần thiết của một khoản ký quỹ
- Nó loại bỏ chức năng mất
- Nó cung cấp một nhóm ứng cử viên phủ định cứng phong phú hơn cho mỗi bước
- Rủi ro đã biết khi chọn những âm bản khó nhất tuyệt đối là gì?
- Chúng luôn quá dễ dàng
- Họ làm cho ma trận batch nhỏ hơn
- Chúng có thể bị dán nhãn sai hoặc gần như trùng lặp các thông tin tích cực làm hỏng việc đào tạo
- Họ loại bỏ hoàn toàn độ dốc
- With positive distance 0.4 and margin 0.2, which negative distance is semi-hard under the described rule?
- 0,5
- 0.2
- 0.8
- 1.1
- Why does ordinary online mining within one minibatch not necessarily find the hardest negative in the entire dataset?
- Every batch contains the complete dataset
- Its available candidate pool is the examples in that batch
- Distance calculations prove no other examples exist
- The model discards all negative labels