E資格判断トレーナー

ID	問題	章	論点	種類	有効
#145	torch.abs(torch.sum(param))がL1正則化項にならないのはなぜ？	深層モデルのための正則化	正則化	PyTorch対応	○	編集
#144	独立な0/1マスクを適用するユニットが8個あるとき、生成可能なマスクパターンは何通り？	深層モデルのための正則化	ドロップアウト	数式	○	編集
#143	inverted dropoutで入力値が6、ドロップ率p=0.25のとき、訓練時に保持された場合の出力と、全体の出力の期待値は？	深層モデルのための正則化	ドロップアウト	数式	○	編集
#142	inverted dropoutでx=(4, 8, -2)、p=0.5、保持マスクが(1, 0, 1)のとき、訓練時の出力は？	深層モデルのための正則化	ドロップアウト	数式	○	編集
#141	120個のユニットにnn.Dropout(p=0.25)を適用したとき、訓練時に無効化・保持されるユニット数の期待値は？	深層モデルのための正則化	ドロップアウト	数式	○	編集
#140	w=(1, -1, 2)、データ損失0.80、λ1=0.10、λ2=0.05のElastic Net損失L=L_data+λ1Σ\|wi\|+λ2Σwi²は？	深層モデルのための正則化	正則化	数式	○	編集
#139	データ損失が0.60、w=(1, -2, 2)、L2正則化係数λ=0.05のとき、総損失L=L_data+λΣwi²は？	深層モデルのための正則化	正則化	数式	○	編集
#138	データ損失が0.80、w=(-2, 1, 0.5)、L1正則化係数λ=0.10のとき、総損失L=L_data+λΣ\|wi\|は？	深層モデルのための正則化	正則化	数式	○	編集
#137	正則化項をΩ1(w)=Σ\|wi\|、Ω2(w)=Σwi²とする。w=(-2, 0.5, 1.5)のL1正則化項とL2正則化項は？	深層モデルのための正則化	正則化	数式	○	編集
#136	小さいバッチサイズは少ないエポックで精度が上がりやすいのに、「常に学習が速い」とは言えないのはなぜ？	深層モデルのための正則化	ハイパーパラメータ	選択肢消去	○	編集
#135	学習率が大きすぎると、学習はどうなる可能性がある？	深層モデルのための正則化	ハイパーパラメータ	選択肢消去	○	編集
#134	Early Stoppingのpatienceは何を表す？	深層モデルのための正則化	早期終了	用語	○	編集
#133	古典的なDropoutとinverted dropoutでは、期待値を揃えるスケーリングをいつ行う？	深層モデルのための正則化	ドロップアウト	選択肢消去	○	編集
#132	ドロップアウトとバギングでは、推論時の予測のまとめ方がどう違う？	深層モデルのための正則化	ドロップアウト	選択肢消去	○	編集
#131	数式中の保持確率pと、PyTorchのnn.Dropout(p=0.2)のpは同じ意味？	深層モデルのための正則化	ドロップアウト	PyTorch対応	○	編集
#130	ドロップアウト／ドロップコネクトのマスクrの各要素は何に従い、0と1は何を表す？	深層モデルのための正則化	ドロップアウト	数式	○	編集
#129	L2正則化と平均二乗誤差（MSE）は、どちらも二乗を使うが何が違う？	深層モデルのための正則化	正則化	選択肢消去	○	編集
#128	L1正則化項とL2正則化項の等高線は、それぞれどのような形になる？	深層モデルのための正則化	正則化	数式	○	編集
#127	L1正則化とL2正則化を組み合わせた手法を何という？	深層モデルのための正則化	正則化	用語	○	編集
#126	正則化を加えた損失関数の基本形と、正則化係数λの役割は？	深層モデルのための正則化	正則化	数式	○	編集

カード管理