瓶颈架构测验

当您参加测验时，就会出现答案和解释。

1. 在 ResNet 瓶颈块中，第一个 1x1 卷积的作用是什么？
   • 减少3x3卷积之前的通道数
   • 提高空间分辨率
   • 应用最终分类
   • 添加噪声以进行正则化
2. 为什么瓶颈会使深度网络的计算成本更低？
   • 它删除所有激活
   • 它在较少的通道上执行昂贵的操作
   • 它到处都使用更大的内核
   • 它跳过反向传播
3. 在自动编码器中，瓶颈层主要决定：
   • 优化器的选择
   • 图像文件格式
   • 输入被压缩了多少
   • 批量大小
4. MobileNetV2 使用瓶颈思想的哪种变体？
   • 纯池化瓶颈
   • 反复出现的瓶颈
   • 完全没有瓶颈
   • 倒置残余瓶颈（先扩展再收缩）
5. LoRA 如何将瓶颈原理应用于大型语言模型？
   • 通过在权重更新中插入可训练的低秩（窄）瓶颈
   • 通过删除注意力层
   • 将所有权重加倍
   • 通过量化为 1 位
6. 典型的 ResNet 瓶颈块遵循哪种通道模式？
   • 宽宽宽宽
   • 减少、处理、恢复（例如，256 到 64 到 256）
   • 窄，宽，窄
   • 每层随机
7. A ResNet block reduces 256 channels to 64 before its 3×3 convolution. Ignoring the 1×1 layers, what is the 3×3 layer’s approximate multiply-add cost relative to 256 channels?
   • About one-quarter
   • About one-half
   • About one-sixteenth
   • About four times as much
8. An autoencoder uses a narrow latent code. What constraint does this impose on reconstruction?
   • The encoder must preserve every input pixel exactly
   • The network can no longer use learned weights
   • The decoder must expand the latent code before encoding
   • The decoder must reconstruct the input from a compressed representation