引導式測驗 · 簡單 等級
數據增強測驗
檢討影像與文字的資料增強方法,包括保留標籤的轉換、混合與學習式策略。
問題 1 的 8
資料增強的主要目的是什麼?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 資料增強的主要目的是什麼?
- 擴展訓練資料並使其多樣化,以便模型更好地泛化
- 加快訓練模型的推理速度
- 壓縮磁碟上資料集的大小
- 自動標記未標記的範例
- 下列哪一項是常見的影像增強技術?
- 梯度下降
- 隨機水平翻轉
- 代幣化
- 輟學
- 反向翻譯在文字增強中扮演什麼角色?
- 顛倒句子中的單字順序
- 刪除文字中的所有停用詞
- 將文字翻譯成另一種語言並返回以創建釋義
- 將文字轉換為數位嵌入
- 為什麼增強必須「保留標籤」?
- 保持資料集檔案大小不變
- 為了讓訓練跑得更快
- 因為否則模型無法讀取標籤
- 因為更改標籤會教導模型錯誤的關聯
- Mixup 技術有什麼作用?
- 將兩個範例及其標籤混合到一個訓練樣本中
- 遮蓋影像的矩形區域
- 自動搜尋最佳增強策略
- 在模型權重中添加隨機噪聲
- 數據增強什麼時候特別有價值?
- 當您已經擁有無限的標記資料時
- 當標記數據稀缺並且收集更多數據很困難時
- 僅當模型經過充分訓練後
- 僅適用於表格電子表格數據
- CutMix 對影像及其訓練標籤做了什麼?
- 它在不改變標籤的情況下將隨機單字加入句子中
- 它只交換資料集中的類別名稱
- 它用另一張影像的圖塊取代某個圖塊,並依取代的面積比例混合標籤
- 它會模糊每個輸入並保持單一標籤不變
- AutoAugment 在其原始論文中是如何選擇增強策略的?
- 它從固定的人工撰寫清單中選擇轉換,而不進行評估
- 它使用測試標籤來重新標記訓練影像
- 它僅從推論時的信心水準中選擇運算
- 它將驗證效能作為獎勵訊號來搜尋策略