引导式测验 · 硬 等级
Meta-学习测验
回顾元学习如何跨任务训练、MAML 如何适应模型初始化以及原型方法如何对少数样本进行分类。
问题 1 的 8
元学习或“学会学习”的主要目标是什么？
预览每个问题8 问题
当您参加测验时，就会出现答案和解释。
- 元学习或“学会学习”的主要目标是什么？
- 通过几个例子快速适应新任务
- 记住一个巨大的数据集
- 无需任何培训
- 将模型压缩至零尺寸
- 在元训练期间，数据通常是如何构造的？
- 作为一个没有分割的单一任务
- 尽可能多的任务，每个任务都有一个支持集和一个查询集
- 当一张图片重复出现时
- 仅作为未标记噪声
- MAML 学到什么？
- 永远不会改变的固定分类器
- 底片数据集
- 可以通过几个步骤对新任务进行微调的模型初始化
- 压缩编解码器
- 原型网络如何对新示例进行分类？
- 通过生成新图像
- 通过记忆像素值
- 通过随机猜测
- 通过将它们与嵌入空间中学习到的类原型进行比较
- MAML的内循环有什么作用？
- 通过几个梯度步骤使模型适应特定任务
- 打乱数据集
- 删除参数
- 将学习率设置为零
- How does GPT-3 perform the few-shot demonstrations in the cited paper?
- By updating all model weights after every example
- By including examples in the prompt without gradient updates or fine-tuning
- By storing one prototype per class
- By running a MAML inner loop during inference
- In Reptile, how is the meta-initialization updated after adapting on a sampled task?
- Replace the model with a nearest-neighbor table
- Average class labels without updating parameters
- Move the initialization toward the task-adapted parameters
- Train a separate model for every example
- What computational shortcut distinguishes Reptile from the second-order MAML formulation?
- It requires no gradient steps
- It stores only class prototypes
- It trains without tasks or task-specific data
- It can use a first-order update without computing second-order derivatives