quiz bu lëkkale ak tegtal · Diggante Niveau
Quiz jàng liggéey yu bari
Saytu séddoo liggéey bu dëgër ak bu woyof, mébet yuñ pondéree, toxal bu baaxul ak pexe yi ñuy jëfandikoo ngir saafara gradient liggéey yu wuute.
Laaj 1 de 8
naka lañuy amalee xeetu jàng bu bari liggéey ci diiru tàggat yaram?
Xoolaatal laaj bu nekk8 laaj
Sooy def quiz bi, tontu yi ak leeral yi dañuy feeñ.
- naka lañuy amalee xeetu jàng bu bari liggéey ci diiru tàggat yaram?
- Taggat benn model ci ay liggéey yu bari yu jëm ci gis-gis yuñ bokk
- Taggat ab xeetu liggéey bu wuute
- Jëfandikoo ay done yuñ etiketewul ci benn liggéey
- Dindi bépp layer bu nëbbu ci reso bi
- Ci reso MTL bu am paramet yu dëgër yuñ séddoo, lan lañuy séddoo ak lan lañuy tàqale?
- Lépp a ngi wuute ci liggéey bu nekk
- Yaxu ndigg buñ bokk ak boppu génnekaay buñ jagleel liggéey bi
- Fonction perte bi kese lañu bokk
- Done yiñ dugal kese, duñu musa def ay layer
- Lan moo waral jàng liggéey yu bari mën na yokk yamale gi?
- Dina tax doo soxla benn done
- Dafay garanti amul benn njuumte ci tàggat yaram
- Siñaale yu bawoo ci liggéey yu jëm ci yamale représentation buñ bokk ba noppi wàññi overfitting
- Dina dindi soxla njiitu liggéey
- Luy 'toxal bu baaxul' ci jàng liggéey yu bari?
- Sooy yokk ay liggéey dafay gaawal tàggat yaram
- Sudee model bi amna paramet yu néew lool
- Sudee liggéey yépp bokk nañu benn etiket
- Sudee jàng benn liggéey dafay gàllankoor beneen liggéey ndax siñaal yu wuute
- naka lañuy faral di defaree perte générale ci jàng liggéey yu bari?
- Ni xaalis buñ pondéree ci liggéey bu benn-benn ñàkk
- Soo jëlee liggéey bi gëna mag rek
- Soo bañee liggéey yépp ludul benn
- Ni ñuy yokke perte yi
- Lan moo waral ñuy jàppee làkk yu yaatu yi ni ay liggéey yu bari lañu?
- Benn liggéey buñ tëral kese lañu mëna def
- Benn reso mooy yonnee tekki làkk, tënk, kodage ak laaj ak tontu
- Dañuy jëfandikoo xeetu laaj bu nekk
- Duñu musa séddoo ay parametre ci liggéey yi
- In soft parameter sharing, how are task models usually related?
- They use one identical model with no task-specific outputs
- They share no information and cannot exchange features
- They keep separate parameters but add a constraint or penalty encouraging similarity
- They share only the training labels
- What does PCGrad do when two task gradients conflict?
- It discards every task except the largest one
- It changes the task labels
- It replaces the shared backbone with separate datasets
- It projects away conflicting gradient components before combining updates