Baixe o app para aproveitar ainda mais
Prévia do material em texto
30/07/2022 17:52 Exercício 1 - CNN: [IEC_EESA_O1_T1_Online] Visão Computacional https://pucminas.instructure.com/courses/86566/quizzes/310501 1/10 Exercício 1 - CNN Entrega 31 jul em 23:59 Pontos 47 Perguntas 20 Disponível 20 jun em 0:00 - 31 jul em 23:59 Limite de tempo Nenhum Tentativas permitidas 2 Histórico de tentativas Tentativa Tempo Pontuação MANTIDO Tentativa 2 6 minutos 47 de 47 MAIS RECENTE Tentativa 2 6 minutos 47 de 47 Tentativa 1 30 minutos 39 de 47 As respostas corretas estão ocultas. Pontuação desta tentativa: 47 de 47 Enviado 30 jul em 17:52 Esta tentativa levou 6 minutos. 2 / 2 ptsPergunta 1 No aprendizado supervisionado para classificação de images, devemos fornecer as imagens para treinamento de uma rede neural e os labels de cada classe. Verdadeiro Falso 3 / 3 ptsPergunta 2 Analise as afirmações a seguir: https://pucminas.instructure.com/courses/86566/quizzes/310501/history?version=2 https://pucminas.instructure.com/courses/86566/quizzes/310501/history?version=2 https://pucminas.instructure.com/courses/86566/quizzes/310501/history?version=1 30/07/2022 17:52 Exercício 1 - CNN: [IEC_EESA_O1_T1_Online] Visão Computacional https://pucminas.instructure.com/courses/86566/quizzes/310501 2/10 I - A ideia do aprendizado profundo (deep) está relacionada sucessivas camadas (layer) de representação. II - Estas camadas de representação são construídas por meio de modelos de redes neurais. III - Deep learning é um framework para aprendizado de representações a partir de dados. Marque a alternativa correta: Estão corretas apenas as afirmações I e II Estão corretas apenas as afirmações II e III Estão corretas apenas as afirmações I e III Estão corretas todas as afirmações 2 / 2 ptsPergunta 3 No treinamento com Deep Learning, a transformação implementada pela camada é parametrizada pelos seus pesos (parâmetros de entrada da camada), que são iniciados aleatoriamente. Falso Verdadeiro 2 / 2 ptsPergunta 4 No treinamento com Deep Learning, “aprender” significa encontrar um conjunto de funções de ativação para todas as camadas da rede, de forma que a rede irá mapear corretamente exemplos de entrada para a sua saída. 30/07/2022 17:52 Exercício 1 - CNN: [IEC_EESA_O1_T1_Online] Visão Computacional https://pucminas.instructure.com/courses/86566/quizzes/310501 3/10 Verdadeiro Falso 3 / 3 ptsPergunta 5 No treinamento com Deep Learning, qual é o papel da loss function? Marque a alternativa correta: Atualizar os pessoas das camadas da rede por meio de backpropagation Calcular a acurácia parcial do modelo. Iniciar os pessoas das camadas da rede de forma aleatória. Calcular o quão distante a predição está do resultado esperado. 3 / 3 ptsPergunta 6 No treinamento com Deep Learning, qual é o papel do otimizador? Marque a alternativa correta: Calcular a acurácia parcial do modelo. Atualizar os pessoas das camadas da rede por meio de backpropagation 30/07/2022 17:52 Exercício 1 - CNN: [IEC_EESA_O1_T1_Online] Visão Computacional https://pucminas.instructure.com/courses/86566/quizzes/310501 4/10 Iniciar os pessoas das camadas da rede de forma aleatória. Calcular o quão distante a predição está do resultado esperado. 2 / 2 ptsPergunta 7 No treinamento com Deep Learning, o valor de loss score é usado como feedback para ajustar o valor dos pesos da rede. Verdadeiro Falso 3 / 3 ptsPergunta 8 Analise as afirmações a seguir: I - Uma imagem é representada em um rede neural por meio de um tensor 4D II - A primeira dimensão do tensor 4D é o canal de cor da imagem III - A última dimensão do tensor 4D é o Batch Size Marque a alternativa correta: 30/07/2022 17:52 Exercício 1 - CNN: [IEC_EESA_O1_T1_Online] Visão Computacional https://pucminas.instructure.com/courses/86566/quizzes/310501 5/10 Estão corretas apenas as afirmações I e II Apenas a afirmativa I está correta. Estão corretas todas as afirmações Estão corretas apenas as afirmações I e III 2 / 2 ptsPergunta 9 Uma imagem em escala de cinza com resolução de 256 x 256 representada em uma rede neural tem a seguinte forma de seu tensor 4D (tensor shape): (128, 256, 256, 256) Verdadeiro Falso 2 / 2 ptsPergunta 10 Imagens normalmente são processadas por uma “2D convolution layers” (Conv2D no Keras) Verdadeiro Falso 2 / 2 ptsPergunta 11 Analise o código a seguir: 30/07/2022 17:52 Exercício 1 - CNN: [IEC_EESA_O1_T1_Online] Visão Computacional https://pucminas.instructure.com/courses/86566/quizzes/310501 6/10 from tensorflow.keras import models from tensorflow.keras import layers model = models.Sequential() model.add(layers.Dense(32, input_shape=(784,))) model.add(layers.Dense(32)) Layer que recebe um tensor 2D com a primeira dimensão de 32. a camada irá retornar um tensor com a primeira dimensão transformada para 784. Verdadeiro Falso 2 / 2 ptsPergunta 12 Analise o código a seguir: from tensorflow.keras import models from tensorflow.keras import layers model = models.Sequential() model.add(layers.Dense(32, activation='relu', input_shape=(784,))) model.add(layers.Dense(10, activation='softmax')) ReLU é a função de ativação que transforma os pesos de entrada e retorna uma saída. ReLU retorna a entrada diretamente, se esta for positiva, caso contrário, retorna zero. 30/07/2022 17:52 Exercício 1 - CNN: [IEC_EESA_O1_T1_Online] Visão Computacional https://pucminas.instructure.com/courses/86566/quizzes/310501 7/10 Falso Verdadeiro 3 / 3 ptsPergunta 13 Analise o código a seguir: from tensorflow.keras import models from tensorflow.keras import layers model = models.Sequential() model.add(layers.Dense(32, activation='relu', input_shape=(784,))) model.add(layers.Dense(10, activation='softmax')) Responda a alternativa correta: ReLU é o otimizador A primeira camada irá retornar um tensor com a primeira dimensão transformada para 784 Softmax é uma função de ativação 32 é a primeira dimensão de um tensor 2D 2 / 2 ptsPergunta 14 As redes neurais podem ser compostas de camadas densas (Fully Connected – FC: todos os nós de uma camada estão conectados a 30/07/2022 17:52 Exercício 1 - CNN: [IEC_EESA_O1_T1_Online] Visão Computacional https://pucminas.instructure.com/courses/86566/quizzes/310501 8/10 TODOS os nós da camada anterior e a todos os nós da próxima camada). Verdadeiro Falso 3 / 3 ptsPergunta 15 Analise as afirmações a seguir sobre os componentes de uma CNN (Convolution Neural Networks): I - Convolutional layers para classificação II - Fully connected layers para extração de features III - Output prediction (predição de saída) Marque a alternativa correta: Apenas as afirmações I e III estão corretas. Apenas a afirmação III está correta. Apenas as afirmações II e III estão corretas. Estão corretas as afirmações I, II e III 2 / 2 ptsPergunta 16 Nas CNNs, a primeira camada geralmente aprende recursos muito básicos, como linhas e arestas, e a segunda reúne essas linhas para reconhecer formas, cantos e círculos. Em seguida, nas camadas mais 30/07/2022 17:52 Exercício 1 - CNN: [IEC_EESA_O1_T1_Online] Visão Computacional https://pucminas.instructure.com/courses/86566/quizzes/310501 9/10 profundas da rede, aprende formas mais complexas, como mãos, olhos, ouvidos, etc. Verdadeiro Falso 2 / 2 ptsPergunta 17 A etapa de pooling em uma CNN ajuda a reduzir o tamanho da rede, reduzindo o número de parâmetros passados para a próxima camada. Verdadeiro Falso 3 / 3 ptsPergunta 18 Analise as afirmações a seguir sobre os componentes de uma camada convolucional: I - filters = número de filtros em cada camada (a profundidade da hidden layer) II - kernel_size = o tamanho de cada filtro (também conhecido como kernel). III - padding = adiciona colunas e linhas de valores zero ao redor da borda da imagem para reservar o tamanho da imagem na próxima camada Marque a alternativacorreta: 30/07/2022 17:52 Exercício 1 - CNN: [IEC_EESA_O1_T1_Online] Visão Computacional https://pucminas.instructure.com/courses/86566/quizzes/310501 10/10 Apenas a afirmativa I está correta. Todas as afirmativas estão corretas Apenas as afirmações II e III estão corretas. Apenas as afirmações I e III estão corretas. 2 / 2 ptsPergunta 19 Underfitting: acontece quando construímos uma super rede que se encaixa perfeitamente no conjunto de dados de, mas falha em generalizar para outras amostras de dados que ele nunca viu antes. Falso Verdadeiro 2 / 2 ptsPergunta 20 Overfitting: o modelo falha ao ajustar os dados de treinamento. Isso acontece quando o modelo é muito simples. Falso Verdadeiro Pontuação do teste: 47 de 47
Compartilhar