引導式測驗 · 中等 等級
三元組損失和度量學習測驗
測試錨正負角色、邊緣分離、嵌入比較、標準化以及零與主動三元組損失範例。
問題 1 的 8
三元組損失中哪三個輸入構成三元組?
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。
- 三元組損失中哪三個輸入構成三元組?
- 錨定、正向和負向
- 輸入、隱藏層和輸出
- 查詢、鍵和值
- 訓練、驗證和測試樣本
- 為什麼三元組損失包括保證金條款?
- 加速矩陣乘法
- 增加班級數量
- 防止模型將所有嵌入折疊到一個點
- 將距離轉換為機率
- 2015 年哪個著名系統在人臉辨識中推廣了 Triplet Loss?
- 亞歷克斯網
- 人臉網
- 殘差網絡
- 伯特
- 經過訓練的度量學習模型對每個輸入輸出什麼?
- 僅類別標籤
- 邊界框
- 單一機率得分
- 距離反映相似性的嵌入向量
- 為什麼度量學習非常適合新增面孔等開放集合問題?
- 它為每個新身分重新訓練整個網絡
- 只有提前知道所有類別時才有效
- 比較依賴距離,因此新身分不需要重新訓練
- 它記住固定的輸出列表
- 度量學習中的嵌入通常是 L2 歸一化的。這有什麼作用呢?
- 它將嵌入放置在單位超球面上,因此距離保持有界且可比較
- 它消除了對任何損失函數的需要
- 它將網路轉換為分類器
- 它使嵌入尺寸加倍
- 在 max(0, d(a,p) 減去 d(a,n) 加保證金)下,d(a,p)=0.3,d(a,n)=0.8 和保證金=0.2 會產生什麼損失?
- 0.3
- 0.7
- 1.3
- 0
- 正餘餘量為 0.2,並且每個嵌入都會折疊到同一點。這個三元組公式給了什麼損失?
- 0,因為兩個距離相等
- 0.2,因此塌陷未滿足分離目標
- 1、不考慮保證金
- 負0.2的負損失