Câu đố về bộ mã hóa tự động biến thiên

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

1. Bộ mã hóa trong đầu ra VAE cho một đầu vào nhất định làm gì?
   • Các tham số của phân bố xác suất, chẳng hạn như giá trị trung bình và phương sai
   • Một điểm cố định duy nhất trong không gian tiềm ẩn
   • Nhãn lớp
   • Một bản sao được xây dựng lại của đầu vào
2. Mục đích của thủ thuật tham số hóa lại là gì?
   • Để làm cho bộ giải mã lớn hơn
   • Để cho phép độ dốc chảy qua bước lấy mẫu ngẫu nhiên
   • Để loại bỏ sự cần thiết của bộ giải mã
   • Để nén không gian tiềm ẩn hơn nữa
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. Hàm mục tiêu mà VAE tối đa hóa trong quá trình đào tạo được gọi là:
   • Trần entropy chéo
   • Mất mát đối thủ
   • Lề bình phương trung bình
   • Giới hạn dưới của bằng chứng (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. Trong mô hình khuếch tán tiềm ẩn như Khuếch tán ổn định, VAE đóng vai trò gì?
   • Nó gắn nhãn các hình ảnh đào tạo
   • Nó nén hình ảnh vào một không gian tiềm ẩn nơi khuếch tán chạy, sau đó giải mã trở lại pixel
   • Nó thay thế bộ mã hóa văn bản
   • Nó lên lịch mức độ tiếng ồn
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)