Cuestionario: Redes Generativas Antagónicas (GAN)
Capítulo 3: Profundizando en las Redes Generativas Antagónicas (GANs)
Pon a prueba tu comprensión de los conceptos y técnicas cubiertos en la Parte II de "La Nueva Era del Aprendizaje Profundo Generativo con Python: Desbloquea el Poder Creativo de los Modelos de IA" con este cuestionario. Cada pregunta está diseñada para reforzar los puntos clave de cada capítulo, asegurando que tengas un sólido entendimiento de las GANs y sus aplicaciones.
Pregunta 1: Comprensión Básica de las GANs
¿Cuáles son los dos componentes principales de una GAN?
A) Generador y Transformador
B) Codificador y Decodificador
C) Generador y Discriminador
D) Discriminador y Codificador
Pregunta 2: Entrenamiento de GANs
¿Qué función de pérdida se usa comúnmente para entrenar el generador en una GAN?
A) Error Cuadrático Medio
B) Entropía Cruzada Binaria
C) Entropía Cruzada Categórica
D) Pérdida Hinge
Pregunta 3: Arquitectura de DCGAN
En el contexto de DCGAN, ¿qué significa "DC"?
A) Convolucional Dual
B) Convolucional Profundo
C) Convolucional Diferenciable
D) Convolucional Dinámico
Pregunta 4: Evaluación de GANs
¿Qué mide la Distancia Fréchet de Incepción (FID)?
A) La calidad y diversidad de las imágenes generadas en comparación con las imágenes reales
B) La eficiencia computacional de la GAN
C) La velocidad de convergencia del proceso de entrenamiento de la GAN
D) La estabilidad de la GAN durante el entrenamiento
Pregunta 5: Variaciones de GANs
¿Qué variante de GAN está específicamente diseñada para tareas de traducción de imágenes a imágenes?
A) CycleGAN
B) DCGAN
C) StyleGAN
D) BigGAN
Pregunta 6: Problemas Comunes en GANs
¿Qué es el colapso de modos en las GANs?
A) Cuando el discriminador supera al generador
B) Cuando el generador produce solo una variedad limitada de salidas
C) Cuando el proceso de entrenamiento se vuelve inestable
D) Cuando la GAN no logra converger
Pregunta 7: Innovaciones en GANs
¿Qué técnica utiliza StyleGAN para controlar aspectos específicos de la imagen generada en diferentes capas?
A) Crecimiento Progresivo
B) Entradas Condicionales
C) Normalización Adaptativa de Instancias (AdaIN)
D) Pérdida Wasserstein
Capítulo 3: Profundizando en las Redes Generativas Antagónicas (GANs)
Pon a prueba tu comprensión de los conceptos y técnicas cubiertos en la Parte II de "La Nueva Era del Aprendizaje Profundo Generativo con Python: Desbloquea el Poder Creativo de los Modelos de IA" con este cuestionario. Cada pregunta está diseñada para reforzar los puntos clave de cada capítulo, asegurando que tengas un sólido entendimiento de las GANs y sus aplicaciones.
Pregunta 1: Comprensión Básica de las GANs
¿Cuáles son los dos componentes principales de una GAN?
A) Generador y Transformador
B) Codificador y Decodificador
C) Generador y Discriminador
D) Discriminador y Codificador
Pregunta 2: Entrenamiento de GANs
¿Qué función de pérdida se usa comúnmente para entrenar el generador en una GAN?
A) Error Cuadrático Medio
B) Entropía Cruzada Binaria
C) Entropía Cruzada Categórica
D) Pérdida Hinge
Pregunta 3: Arquitectura de DCGAN
En el contexto de DCGAN, ¿qué significa "DC"?
A) Convolucional Dual
B) Convolucional Profundo
C) Convolucional Diferenciable
D) Convolucional Dinámico
Pregunta 4: Evaluación de GANs
¿Qué mide la Distancia Fréchet de Incepción (FID)?
A) La calidad y diversidad de las imágenes generadas en comparación con las imágenes reales
B) La eficiencia computacional de la GAN
C) La velocidad de convergencia del proceso de entrenamiento de la GAN
D) La estabilidad de la GAN durante el entrenamiento
Pregunta 5: Variaciones de GANs
¿Qué variante de GAN está específicamente diseñada para tareas de traducción de imágenes a imágenes?
A) CycleGAN
B) DCGAN
C) StyleGAN
D) BigGAN
Pregunta 6: Problemas Comunes en GANs
¿Qué es el colapso de modos en las GANs?
A) Cuando el discriminador supera al generador
B) Cuando el generador produce solo una variedad limitada de salidas
C) Cuando el proceso de entrenamiento se vuelve inestable
D) Cuando la GAN no logra converger
Pregunta 7: Innovaciones en GANs
¿Qué técnica utiliza StyleGAN para controlar aspectos específicos de la imagen generada en diferentes capas?
A) Crecimiento Progresivo
B) Entradas Condicionales
C) Normalización Adaptativa de Instancias (AdaIN)
D) Pérdida Wasserstein
Capítulo 3: Profundizando en las Redes Generativas Antagónicas (GANs)
Pon a prueba tu comprensión de los conceptos y técnicas cubiertos en la Parte II de "La Nueva Era del Aprendizaje Profundo Generativo con Python: Desbloquea el Poder Creativo de los Modelos de IA" con este cuestionario. Cada pregunta está diseñada para reforzar los puntos clave de cada capítulo, asegurando que tengas un sólido entendimiento de las GANs y sus aplicaciones.
Pregunta 1: Comprensión Básica de las GANs
¿Cuáles son los dos componentes principales de una GAN?
A) Generador y Transformador
B) Codificador y Decodificador
C) Generador y Discriminador
D) Discriminador y Codificador
Pregunta 2: Entrenamiento de GANs
¿Qué función de pérdida se usa comúnmente para entrenar el generador en una GAN?
A) Error Cuadrático Medio
B) Entropía Cruzada Binaria
C) Entropía Cruzada Categórica
D) Pérdida Hinge
Pregunta 3: Arquitectura de DCGAN
En el contexto de DCGAN, ¿qué significa "DC"?
A) Convolucional Dual
B) Convolucional Profundo
C) Convolucional Diferenciable
D) Convolucional Dinámico
Pregunta 4: Evaluación de GANs
¿Qué mide la Distancia Fréchet de Incepción (FID)?
A) La calidad y diversidad de las imágenes generadas en comparación con las imágenes reales
B) La eficiencia computacional de la GAN
C) La velocidad de convergencia del proceso de entrenamiento de la GAN
D) La estabilidad de la GAN durante el entrenamiento
Pregunta 5: Variaciones de GANs
¿Qué variante de GAN está específicamente diseñada para tareas de traducción de imágenes a imágenes?
A) CycleGAN
B) DCGAN
C) StyleGAN
D) BigGAN
Pregunta 6: Problemas Comunes en GANs
¿Qué es el colapso de modos en las GANs?
A) Cuando el discriminador supera al generador
B) Cuando el generador produce solo una variedad limitada de salidas
C) Cuando el proceso de entrenamiento se vuelve inestable
D) Cuando la GAN no logra converger
Pregunta 7: Innovaciones en GANs
¿Qué técnica utiliza StyleGAN para controlar aspectos específicos de la imagen generada en diferentes capas?
A) Crecimiento Progresivo
B) Entradas Condicionales
C) Normalización Adaptativa de Instancias (AdaIN)
D) Pérdida Wasserstein
Capítulo 3: Profundizando en las Redes Generativas Antagónicas (GANs)
Pon a prueba tu comprensión de los conceptos y técnicas cubiertos en la Parte II de "La Nueva Era del Aprendizaje Profundo Generativo con Python: Desbloquea el Poder Creativo de los Modelos de IA" con este cuestionario. Cada pregunta está diseñada para reforzar los puntos clave de cada capítulo, asegurando que tengas un sólido entendimiento de las GANs y sus aplicaciones.
Pregunta 1: Comprensión Básica de las GANs
¿Cuáles son los dos componentes principales de una GAN?
A) Generador y Transformador
B) Codificador y Decodificador
C) Generador y Discriminador
D) Discriminador y Codificador
Pregunta 2: Entrenamiento de GANs
¿Qué función de pérdida se usa comúnmente para entrenar el generador en una GAN?
A) Error Cuadrático Medio
B) Entropía Cruzada Binaria
C) Entropía Cruzada Categórica
D) Pérdida Hinge
Pregunta 3: Arquitectura de DCGAN
En el contexto de DCGAN, ¿qué significa "DC"?
A) Convolucional Dual
B) Convolucional Profundo
C) Convolucional Diferenciable
D) Convolucional Dinámico
Pregunta 4: Evaluación de GANs
¿Qué mide la Distancia Fréchet de Incepción (FID)?
A) La calidad y diversidad de las imágenes generadas en comparación con las imágenes reales
B) La eficiencia computacional de la GAN
C) La velocidad de convergencia del proceso de entrenamiento de la GAN
D) La estabilidad de la GAN durante el entrenamiento
Pregunta 5: Variaciones de GANs
¿Qué variante de GAN está específicamente diseñada para tareas de traducción de imágenes a imágenes?
A) CycleGAN
B) DCGAN
C) StyleGAN
D) BigGAN
Pregunta 6: Problemas Comunes en GANs
¿Qué es el colapso de modos en las GANs?
A) Cuando el discriminador supera al generador
B) Cuando el generador produce solo una variedad limitada de salidas
C) Cuando el proceso de entrenamiento se vuelve inestable
D) Cuando la GAN no logra converger
Pregunta 7: Innovaciones en GANs
¿Qué técnica utiliza StyleGAN para controlar aspectos específicos de la imagen generada en diferentes capas?
A) Crecimiento Progresivo
B) Entradas Condicionales
C) Normalización Adaptativa de Instancias (AdaIN)
D) Pérdida Wasserstein