Créer jeu
Télécharger
Obtenir Plan Académique
Partager le jeu
Oui ou Non
Oui ou Non

DL_Yes/NO_Quiz7

Intégrez-le à votre plateforme

Vous pouvez intégrer le jeu dans un LMS compatible avec LTI 1.1 ou LTI 1.3 comme Canvas, Moodle ou Blackboard. Les scores seront ainsi automatiquement enregistrés dans le carnet de notes de la plateforme.
Télécharger
Vous avez dépassé le nombre maximum de jeux que vous pouvez intégrer à Google Classroom avec votre Plan actuel.

Pour intégrer autant de jeux que vous le souhaitez dans Google Classroom, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Vous avez dépassé le nombre maximum de jeux que vous pouvez intégrer à Microsoft Teams avec votre Plan actuel.

Pour intégrer autant de jeux que vous le souhaitez dans Microsoft Teams, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Le téléchargement du jeu est une fonctionnalité exclusive pour les utilisateurs avec un Plan Académique ou un Plan Commercial.

Obtenez votre Plan Académique ou Plan Commercial dès maintenant et commencez à intégrer vos jeux dans votre LMS, votre site Web ou votre blog.

Si vous le souhaitez, vous pouvez télécharger une jeu de test ici et tester son intégration:

DL_Yes/NO_Quiz7

Oui ou Non

Parties jouées 1

À propos de cette activité

True or false

Créé par

India

Téléchargez la version pour jouer sur papier

Créez votre propre jeu gratuite à partir de notre créateur de jeu
Affrontez vos amis pour voir qui obtient le meilleur score dans ce jeu

Top Jeux

%
Anonyme
Anonyme
%
%
%
Vous avez dépassé le nombre maximum de jeux que vous pouvez imprimer avec votre Plan actuel.

Pour imprimer autant de jeux que vous le souhaitez, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Imprimez votre jeu
DL_Yes/NO_Quiz7
 

DL_Yes/NO_Quiz7Version en ligne

True or false

par Sivaranjini S
1

Non-Maximum Suppression (NMS) is applied to the RPN's proposals before they are passed to the detection head, in order to reduce redundancy among highly overlapping proposals.

2

DenseNet differs from ResNet in that DenseNet concatenates feature maps from all preceding layers within a dense block, whereas ResNet adds the input of a block to its output.

3

In BPTT, gradients are computed only for the final time step.

4

Transposed convolution is used to reduce spatial dimensions in segmentation networks

5

In GANs, the generator and discriminator are trained simultaneously in a competitive manner.

6

FPN relies on multiple resized input images like traditional image pyramids.

7

Skip connections increase the number of learnable parameters significantly.

8

Two-stage detectors first classify objects and then generate region proposals.

9

A predictive model trained on time-stamped patient data without temporal validation can overfit by leaking future information into the training set.

10

The GAN generator is trained without ever directly seeing real data — it learns only via gradient signals back-propagated through the discriminator.

Voulez-vous vraiment quitter la page ?

En quittant la page, vous perdrez la progression du jeu.