Câu 1
Vision Transformer (ViT) khác với CNN ở điểm nào chính?
Đáp án và lời giải
Đáp án: A
Đề gồm 25 câu trắc nghiệm một lựa chọn môn Mạng nơ-ron nhân tạo; cả 25 câu đều có đáp án. Chọn Luyện tập để biết đúng sai từng câu, hoặc Thi thử có đồng hồ để lấy điểm thang 10.
Vision Transformer (ViT) khác với CNN ở điểm nào chính?
Đáp án: A
Trong ViT, hình ảnh được chia thành gì trước khi đưa vào mô hình?
Đáp án: B
Vai trò của positional encoding trong ViT là gì?
Đáp án: B
ViT thường yêu cầu gì để đạt hiệu suất tốt?
Đáp án: A
Cơ chế attention trong ViT hoạt động như thế nào?
Đáp án: A
ViT sử dụng lớp nào để phân loại hình ảnh?
Đáp án: A
Hạn chế chính của ViT so với CNN là gì?
Đáp án: A
ViT có thể được sử dụng cho nhiệm vụ nào?
Đáp án: D
Tập dữ liệu nào thường được sử dụng để huấn luyện ViT?
Đáp án: A
Ứng dụng thực tế nào phù hợp với ViT?
Đáp án: A
Transfer Learning thường được áp dụng khi nào?
Đáp án: B
Trong Transfer Learning, tại sao các lớp đầu tiên của CNN thường được giữ nguyên?
Đáp án: A
Khi fine-tuning, thường điều chỉnh những lớp nào?
Đáp án: B
Transfer Learning giúp giảm điều gì trong huấn luyện mô hình?
Đáp án: A
Mô hình BERT là ví dụ về Transfer Learning trong lĩnh vực nào?
Đáp án: B
Khi nào nên sử dụng Transfer Learning thay vì huấn luyện từ đầu?
Đáp án: A
Vấn đề gì có thể xảy ra nếu fine-tune quá nhiều lớp?
Đáp án: A
Transfer Learning có thể áp dụng cho dữ liệu nào?
Đáp án: A
Tập dữ liệu nào thường được sử dụng để huấn luyện trước mô hình CNN?
Đáp án: A
Ứng dụng thực tế nào phù hợp với Transfer Learning?
Đáp án: A
Mục tiêu chính của Image Captioning là gì?
Đáp án: B
Phần nào của mô hình Image Captioning xử lý hình ảnh?
Đáp án: A
Trong Image Captioning, LSTM thường được sử dụng để làm gì?
Đáp án: B
Cơ chế attention trong Image Captioning giúp gì?
Đáp án: B
BLEU score được sử dụng trong Image Captioning để làm gì?
Đáp án: A