230+ câu trắc nghiệm Mạng nơ-ron nhân tạo có đáp án - Phần 4
25 câu hỏi
Vision Transformer (ViT) khác với CNN ở điểm nào chính?
ViT sử dụng cơ chế attention thay vì convolution
ViT chỉ xử lý văn bản
ViT không sử dụng hàm kích hoạt
ViT không cần dữ liệu hình ảnh
Trong ViT, hình ảnh được chia thành gì trước khi đưa vào mô hình?
Các vùng đề xuất
Các patch (mảng nhỏ)
Các kênh màu
Các đặc trưng cạnh
Vai trò của positional encoding trong ViT là gì?
Tăng cường chất lượng hình ảnh
Thêm thông tin vị trí cho các patch
Giảm kích thước đặc trưng
Tính toán gradient
ViT thường yêu cầu gì để đạt hiệu suất tốt?
Dữ liệu huấn luyện rất lớn
Dữ liệu văn bản
Dữ liệu âm thanh
Mô hình đơn giản hơn
Cơ chế attention trong ViT hoạt động như thế nào?
Tính toán tương quan giữa các patch
Tăng cường độ tương phản hình ảnh
Loại bỏ nhiễu hình ảnh
Giảm số lượng patch
ViT sử dụng lớp nào để phân loại hình ảnh?
[CLS] token
Fully connected layer
Convolutional layer
Recurrent layer
Hạn chế chính của ViT so với CNN là gì?
Chi phí tính toán cao với hình ảnh lớn
Không thể xử lý hình ảnh
Không hỗ trợ phân loại
Yêu cầu dữ liệu văn bản
ViT có thể được sử dụng cho nhiệm vụ nào?
Phân loại hình ảnh
Phát hiện đối tượng
Phân đoạn hình ảnh
Tất cả các nhiệm vụ trên
Tập dữ liệu nào thường được sử dụng để huấn luyện ViT?
ImageNet hoặc JFT-300M
MNIST
CIFAR-10
MS COCO
Ứng dụng thực tế nào phù hợp với ViT?
Nhận diện bệnh lý trong hình ảnh y tế
Phân tích cảm xúc văn bản
Dự đoán thời tiết
Nhận diện giọng nói
Transfer Learning thường được áp dụng khi nào?
Khi có lượng dữ liệu lớn và thời gian huấn luyện không giới hạn
Khi dữ liệu mới hạn chế và tác vụ tương tự tác vụ gốc
Khi không cần mô hình được huấn luyện trước
Khi dữ liệu hoàn toàn không liên quan
Trong Transfer Learning, tại sao các lớp đầu tiên của CNN thường được giữ nguyên?
Vì chúng trích xuất đặc trưng cấp thấp như cạnh, góc
Vì chúng có ít tham số hơn
Vì chúng không ảnh hưởng đến hiệu suất
Vì chúng dễ huấn luyện hơn
Khi fine-tuning, thường điều chỉnh những lớp nào?
Các lớp đầu tiên của mô hình
Các lớp cuối hoặc lớp fully connected
Toàn bộ mô hình
Chỉ lớp đầu ra
Transfer Learning giúp giảm điều gì trong huấn luyện mô hình?
Thời gian huấn luyện và nhu cầu dữ liệu
Số lượng lớp ẩn
Độ phức tạp của dữ liệu
Kích thước đầu ra
Mô hình BERT là ví dụ về Transfer Learning trong lĩnh vực nào?
Xử lý hình ảnh
Xử lý ngôn ngữ tự nhiên (NLP)
Nhận diện giọng nói
Phân tích dữ liệu thời gian thực
Khi nào nên sử dụng Transfer Learning thay vì huấn luyện từ đầu?
Khi có ít dữ liệu và tác vụ tương tự
Khi có dữ liệu lớn và thời gian không giới hạn
Khi mô hình gốc không hiệu quả
Khi cần tạo mô hình mới hoàn toàn
Vấn đề gì có thể xảy ra nếu fine-tune quá nhiều lớp?
Overfitting trên dữ liệu mới
Underfitting trên dữ liệu gốc
Tăng chi phí tính toán không cần thiết
Mất đặc trưng cấp cao
Transfer Learning có thể áp dụng cho dữ liệu nào?
Hình ảnh, văn bản, âm thanh
Chỉ hình ảnh
Chỉ văn bản
Chỉ âm thanh
Tập dữ liệu nào thường được sử dụng để huấn luyện trước mô hình CNN?
ImageNet
MNIST
CIFAR-10
MS COCO
Ứng dụng thực tế nào phù hợp với Transfer Learning?
Phân loại hình ảnh y tế với ít dữ liệu
Phân tích dữ liệu thời tiết lớn
Tạo âm thanh tổng hợp
Dự đoán giá cổ phiếu
Mục tiêu chính của Image Captioning là gì?
Tăng cường chất lượng hình ảnh
Tạo văn bản mô tả nội dung hình ảnh
Phát hiện đối tượng trong hình ảnh
Phân loại hình ảnh
Phần nào của mô hình Image Captioning xử lý hình ảnh?
CNN
RNN
Transformer
Fully connected layer
Trong Image Captioning, LSTM thường được sử dụng để làm gì?
Trích xuất đặc trưng hình ảnh
Sinh chuỗi văn bản
Tăng cường dữ liệu
Giảm kích thước hình ảnh
Cơ chế attention trong Image Captioning giúp gì?
Tăng tốc độ xử lý hình ảnh
Tập trung vào các vùng quan trọng khi sinh từ
Loại bỏ nhiễu hình ảnh
Giảm số lượng từ trong chú thích
BLEU score được sử dụng trong Image Captioning để làm gì?
Đánh giá chất lượng chú thích
Tăng cường dữ liệu
Tính toán gradient
Giảm kích thước mô hình
