Deep Learning — Accélérer l’Apprentissage (v1.0)

Question 1 / 4  ·  QCU (une seule bonne réponse)  —  Quel est l’objectif de la descente de gradient dans les réseaux de neurones ?

A. Détermine la taille des poids du réseau de neurones

B. Contrôle la vitesse à laquelle les poids sont ajustés lors de la descente de gradient

C. Détermine le nombre d’époques d’entraînement

D. Contrôle la taille des données d’entraînement utilisées

Question 2 / 4  ·  QCU (une seule bonne réponse)  —  Quel est le rôle du taux d’apprentissage (learning rate) dans la descente de gradient ?

A. La SGD converge plus rapidement que la batch gradient descent.

B. La SGD est plus précise que la batch gradient descent.

C. La SGD utilise un seul exemple d’entraînement à la fois, tandis que la batch gradient descent utilise l’ensemble complet des exemples d’entraînement.

D. La batch gradient descent utilise un facteur d’inertie pour accélérer l’apprentissage.

Question 3 / 4  ·  QCU (une seule bonne réponse)  —  Quelle est la différence entre la descente de gradient stochastique (SGD) et la descente de gradient par lot (batch gradient descent) ?

A. Lorsque le modèle atteint une précision maximale.

B. Lorsque le modèle n’arrive pas à converger vers une solution optimale.

C. Lorsque le modèle s’adapte trop spécifiquement aux données d’entraînement et ne généralise pas bien aux nouvelles données.

D. Lorsque le modèle n’arrive pas à ajuster les poids et les biais correctement.

Deep Learning — Accélérer l’Apprentissage (v1.0)

Votre adresse email