引导式测验 · 中等 等级

挤压和激励网络测验

检查挤压和激励阶段、通道重新加权、瓶颈维度以及 SE 架构背后的证据。

相关引导路径挤压和激励网络
问题 1 的 8

SE 块中的“挤压”步骤有什么作用？

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。

  1. SE 块中的“挤压”步骤有什么作用？
    • 使用全局平均池化将每个通道汇总为一个值
    • 将图像裁剪为较小尺寸
    • 永久删除冗余通道
    • 对空间位置应用 softmax
  2. “激励”步骤输出什么？
    • 一组新的卷积滤波器
    • 每个通道的权重介于 0 和 1 之间
    • 边界框
    • 分割掩模
  3. 激励权重如何应用于原始特征图？
    • 按元素添加
    • 连接为新通道
    • 按通道相乘
    • 用于遮盖空间区域
  4. 为什么激励使用具有减速比（通常为16）的瓶颈？
    • 增加输出类的数量
    • 消除对卷积的需要
    • 使网络更浅
    • 保持添加的参数和计算量较小
  5. SENet 在 2017 年赢得了哪些比赛？
    • ImageNet ILSVRC 分类挑战
    • COCO 检测挑战
    • Kaggle 泰坦尼克号竞赛
    • GLUE 基准测试
  6. 哪些后来的架构嵌入了 SE 块以提高效率？
    • BERT 和 GPT
    • EfficientNet 和 MobileNetV3
    • Word2Vec 和 GloVe
    • WaveNet 和 Tacotron
  7. In the excitation step, which activations connect the two fully connected layers in the guide’s SE block?
    • Softmax followed by ReLU
    • Tanh followed by max pooling
    • ReLU followed by sigmoid after the second projection
    • GELU followed by layer normalization
  8. An SE block has C = 256 channels and reduction ratio r = 16. What is the bottleneck width?
    • 4 units
    • 32 units
    • 256 units
    • 16 units