course/pr_1127/hi/chapter3/6.md

अध्याय-का-अंत प्रश्नोत्तरी

इस अध्याय में आपने जो सीखा, उसका परीक्षण करें!

1. इमोशन डेटासेट में ट्विटर संदेश है जिनहे भावनाओं के साथ लेबल किया गया है। इसे हब में खोजें, और डेटासेट कार्ड पढ़ें। इनमें से कौन सा इसकी मूल भावनाओं में से एक नहीं है?

<Question choices={[ { text: "हर्ष", explain: "पुनः प्रयास करें — यह भावना उस डेटासेट में मौजूद है!" }, { text: "प्रेम", explain: "पुनः प्रयास करें — यह भावना उस डेटासेट में मौजूद है!" }, { text: "कन्फ्यूश़न", explain: "सही! भ्रम छह बुनियादी भावनाओं में से एक नहीं है।", correct: true }, { text: "सप्राइज़", explain: "सप्राइज़! एक बार फिर कोशिश करें!" } ]} />

2. हब में ar_sarcasm डेटासेट खोजें। यह कौन से कार्य का समर्थन करता है?

<Question choices={[ { text: "भाव वर्गीकरण", explain: "ये सही है! आप टैग को धन्यवाद दे सकते हैं।", correct: true }, { text: "मशीन अनुवाद", explain: "यह बात नहीं है — डेटासेट कार्ड पर एक और नज़र डालें !" }, { text: "नैम्ड एन्टिटी रेकग्निशन", explain: "यह बात नहीं है — डेटासेट कार्ड पर एक और नज़र डालें !" }, { text: "क्वेश्चन आंसरिंग", explain: "हाय! इस प्रश्न का उत्तर सही नहीं दिया। पुनः प्रयास करें!" } ]} />

3. BERT मॉडल वाक्यों की एक जोड़ी को कैसे संसाधित करने की अपेक्षा करता है?

<Question choices={[ { text: "वाक्य_के_टोकन_1 [SEP] वाक्य_के_टोकन_2", explain: "दो वाक्यों को अलग करने के लिए एक [SEP] विशेष टोकन की आवश्यकता है, लेकिन केवल यही एक चीज नहीं है!" }, { text: "[CLS] वाक्य_के_टोकन_1 वाक्य_के_टोकन_2", explain: "शुरुआत में एक [CLS] विशेष टोकन की आवश्यकता होती है, लेकिन केवल यही एक चीज नहीं है!" }, { text: "[CLS] वाक्य_के_टोकन_1 [SEP] वाक्य_के_टोकन_2 [SEP]", explain: "यह सही है!", correct: true }, { text: "[CLS] वाक्य_के_टोकन_1 [SEP] वाक्य_के_टोकन_2", explain: "शुरुआत में एक [CLS] विशेष टोकन की आवश्यकता होती है और साथ ही साथ दो वाक्यों को अलग करने के लिए एक [SEP] विशेष टोकन की आवश्यकता होती है, लेकिन यही सब नहीं है!" } ]} />

{#if fw === 'pt'}

4. Dataset.map() विधि के क्या लाभ हैं?

<Question choices={[ { text: "फ़ंक्शन के परिणाम कैश किए जाते हैं, इसलिए यदि हम कोड को फिर से निष्पादित करते हैं तो इसमें कोई समय नहीं लगेगा।", explain: "यह वास्तव में इस पद्धति के स्वच्छ लाभों में से एक है! हालांकि यह अकेला नहीं है...", correct: true }, { text: "यह डेटासेट के प्रत्येक तत्व पर फ़ंक्शन को लागू करने के बजाए तेज़ी से आगे बढ़ने के लिए बहुप्रक्रमण लागू कर सकता है।", explain: "यह इस पद्धति की एक साफ-सुथरी विशेषता है, लेकिन केवल यही एक नहीं है!", correct: true }, { text: "यह पूरे डेटासेट को मेमोरी में लोड नहीं करता है, जैसे ही एक तत्व संसाधित होता है उसके परिणामो को सहेजता हैं।", explain: "यह इस विधि का एक फायदा है। हालांकि अन्य भी हैं!", correct: true }, ]} />

5. डायनेमिक पैडिंग का क्या अर्थ है?

<Question choices={[ { text: "यह तब होता है जब आप प्रत्येक बैच के लिए इनपुट को अधिकतम लंबाई तक संपूर्ण डेटासेट में पैड करते हैं।", explain: "इसका मतलब है बैच बनाते समय पैडिंग करना, लेकिन पूरे डेटासेट में अधिकतम लंबाई तक नहीं।" }, { text: "यह तब होता है जब आप बैच बनाते समय अपने इनपुट को पैड करते हैं, उस बैच के अंदर वाक्यों की अधिकतम लंबाई तक।", explain: "यह सही है! "डायनेमिक" भाग इस तथ्य से आता है कि प्रत्येक बैच का आकार निर्माण के समय निर्धारित होता है, और परिणामस्वरूप आपके सभी बैचों के अलग-अलग आकार हो सकते हैं।", correct: true }, { text: "यह तब होता है जब आप अपने इनपुट को पैड करते हैं ताकि प्रत्येक वाक्य में टोकन की समान संख्या हो जितने पिछले वाले में है डेटासेट के।", explain: "यह गलत है, साथ ही डेटासेट में ऑर्डर को देखने का कोई मतलब ही नहीं है क्योंकि हम इसे प्रशिक्षण के दौरान फेरबदल यानि शफल करते हैं।" }, ]} />

6. कोलेट फ़ंक्शन का उद्देश्य क्या है?

<Question choices={[ { text: "यह सुनिश्चित करता है कि डेटासेट में सभी अनुक्रमों की लंबाई समान हो।", explain: "एक कोलेट फ़ंक्शन अलग-अलग बैचों को संभालने में शामिल होता है, संपूर्ण डेटासेट नहीं। इसके अतिरिक्त, हम सामान्य कोलेट फ़ंक्शंस के बारे में बात कर रहे हैं, न कि विशेष रूप से DataCollatorWithPadding की।" }, { text: "यह सभी सैम्पल्स को एक बैच में एक साथ रखता है।", explain: "सही! आप कोलेट फ़ंक्शन को DataLoader के वितर्क के रूप में पास कर सकते हैं। हमने DataCollatorWithPadding फ़ंक्शन का उपयोग किया है, जो एक बैच में सभी आइटम्स को पैड करता है ताकि उनकी लंबाई समान हो।", correct: true }, { text: "यह पूरे डेटासेट को पूर्व प्रसंस्करण यानि प्रीप्रोसेस करता है।", explain: "यह एक प्रीप्रोसेसिंग फ़ंक्शन होगा, न कि कोलेट फ़ंक्शन।" }, { text: "यह डेटासेट में अनुक्रमों को छोटा कर देता है।", explain: "एक कोलेट फ़ंक्शन अलग-अलग बैचों को संभालने में शामिल होता है, संपूर्ण डेटासेट नहीं। यदि आप काट-छाँट करने में रुचि रखते हैं, तो आप tokenizer के truncate वितर्क का उपयोग कर सकते हैं।" } ]} />

7. क्या होता है जब आप AutoModelForXxx कक्षाओं में से एक को पूर्व-प्रशिक्षित भाषा मॉडल (जैसे कि बर्ट-बेस-अनकेस्ड) के साथ इन्स्टैन्शीऐट करते हैं, जो भिन्न कार्य से मेल खाता है बजाये उसके जिसके लिए उसे प्रशिक्षित किया गया ?

<Question choices={[ { text: "कुछ नहीं, लेकिन आपको चेतावनी मिलती है।", explain: "आपको एक चेतावनी मिलती है, लेकिन इतना ही नहीं!" }, { text: "पूर्व-प्रशिक्षित मॉडल के प्रमुख को त्याग दिया जाता है और इसके बजाये कार्य के लिए उपयुक्त एक नया प्रमुख डाला जाता है।", explain: "सही। उदाहरण के लिए, जब हमने AutoModelForSequenceClassification का उपयोग bert-base-uncased के साथ किया, तो मॉडल को इन्स्टैन्शीऐट करते समय हमें चेतावनियां मिलीं। अनुक्रम वर्गीकरण कार्य के लिए पूर्व-प्रशिक्षित के प्रमुख का उपयोग नहीं किया जाता है, इसलिए इसे त्याग दिया जाता है और क्रमरहित भार के साथ एक नये प्रमुख को इन्स्टैन्शीऐट किया जाता है।", correct: true }, { text: "पूर्व-प्रशिक्षित मॉडल के प्रमुख को त्याग दिया जाता है ।", explain: "कुछ और होना चाहिए। पुनः प्रयास करें!" }, { text: "कुछ भी नहीं, चूंकि मॉडल को अभी भी भिन्न कार्य के लिए ठीक यानि फाइन-ट्यून किया जा सकता है।", explain: "इस कार्य को हल करने के लिए पूर्व-प्रशिक्षित मॉडल के प्रमुख को प्रशिक्षित नहीं किया गया था, इसलिए हमें प्रमुख को त्याग देना चाहिए!" } ]} />

8. TrainingArguments का क्या उद्देश्य है?

<Question choices={[ { text: "इसमें Trainer के साथ प्रशिक्षण और मूल्यांकन के लिए उपयोग किए जाने वाले सभी हाइपरपैरामीटर शामिल हैं।", explain: "सही!", correct: true }, { text: "यह मॉडल के आकार को निर्दिष्ट करता है।", explain: "मॉडल का आकार मॉडल कॉन्फ़िगरेशन द्वारा परिभाषित किया जाता है, न कि कक्षा TrainingArguments द्वारा।" }, { text: "इसमें केवल मूल्यांकन के लिए उपयोग किए जाने वाले हाइपरपैरामीटर शामिल हैं।", explain: "उदाहरण में, हमने निर्दिष्ट किया कि मॉडल और उसकी चौकियों को कहाँ सहेजा जाएगा। पुनः प्रयास करें!" }, { text: "इसमें सिर्फ प्रशिक्षण के लिए उपयोग किए जाने वाले हाइपरपैरामीटर शामिल हैं।", explain: "उदाहरण में, हमने evaluation_strategy का भी इस्तेमाल किया है, इसलिए यह मूल्यांकन को प्रभावित करता है। पुनः प्रयास करें!" } ]} />

9. आपको 🤗 Accelerate लाइब्रेरी का उपयोग क्यों करना चाहिए?

<Question choices={[ { text: "यह तेज मॉडल तक पहुंच प्रदान करता है।", explain: "नहीं, 🤗 Accelerate लाइब्रेरी कोई मॉडल प्रदान नहीं करती है।" }, { text: "यह एक उच्च स्तरीय API प्रदान करता है इसलिए मुझे अपना खुद का प्रशिक्षण लूप लागू करने की आवश्यकता नहीं है।", explain: "हमने Trainer के साथ यही किया है, न की 🤗 Accelerate लाइब्रेरी ने। पुनः प्रयास करें!" }, { text: "यह हमारे प्रशिक्षण लूप्स को वितरित रणनीतियों पर काम कराता है", explain: "सही! 🤗 Accelerate के साथ, आपका प्रशिक्षण लूप कई GPUs और TPUs के लिए काम करेगा।", correct: true }, { text: "यह अधिक ऑप्टिमाइजेशन फंक्शन्स प्रदान करता है।", explain: "नहीं, 🤗 Accelerate लाइब्रेरी कोई ऑप्टिमाइजेशन फंक्शन्स प्रदान नहीं करता है।" } ]} />

{:else}

4. क्या होता है जब आप TFAutoModelForXxx कक्षाओं में से एक को पूर्व-प्रशिक्षित भाषा मॉडल (जैसे कि बर्ट-बेस-अनकेस्ड) के साथ इन्स्टैन्शीऐट करते हैं, जो भिन्न कार्य से मेल खाता है बजाये उसके जिसके लिए उसे प्रशिक्षित किया गया ?

<Question choices={[ { text: "कुछ नहीं, लेकिन आपको चेतावनी मिलती है।", explain: "आपको एक चेतावनी मिलती है, लेकिन इतना ही नहीं!" }, { text: "पूर्व-प्रशिक्षित मॉडल के प्रमुख को त्याग दिया जाता है और इसके बजाये कार्य के लिए उपयुक्त एक नया प्रमुख डाला जाता है।", explain: "सही। उदाहरण के लिए, जब हमने TFAutoModelForSequenceClassification का उपयोग bert-base-uncased के साथ किया, तो मॉडल को इन्स्टैन्शीऐट करते समय हमें चेतावनियां मिलीं। अनुक्रम वर्गीकरण कार्य के लिए पूर्व-प्रशिक्षित के प्रमुख का उपयोग नहीं किया जाता है, इसलिए इसे त्याग दिया जाता है और क्रमरहित भार के साथ एक नये प्रमुख को इन्स्टैन्शीऐट किया जाता है।", correct: true }, { text: "पूर्व-प्रशिक्षित मॉडल के प्रमुख को त्याग दिया जाता है ।", explain: "कुछ और होना चाहिए। पुनः प्रयास करें!" }, { text: "कुछ भी नहीं, चूंकि मॉडल को अभी भी भिन्न कार्य के लिए ठीक यानि फाइन-ट्यून किया जा सकता है।", explain: "इस कार्य को हल करने के लिए पूर्व-प्रशिक्षित मॉडल के प्रमुख को प्रशिक्षित नहीं किया गया था, इसलिए हमें प्रमुख को त्याग देना चाहिए!" } ]} />

5. ट्रांसफॉर्मर से TensorFlow मॉडल पहले से ही Keras मॉडल हैं। यह क्या लाभ प्रदान करता है?

<Question choices={[ { text: "मॉडल बॉक्स के बाहर एक टीपीयू पर काम करते हैं।", explain: "लगभग! कुछ छोटे अतिरिक्त परिवर्तनों की आवश्यकता है। उदाहरण के लिए, आपको सब कुछ एक TPUStrategy दायरे में चलाने की जरूरत है, जिसमें मॉडल का इनिशियलाइज़ेशन भी शामिल है।" }, { text: "आप compile(), fit(), और predict() जैसी मौजूदा विधियों का लाभ उठा सकते हैं।", explain: "सही! एक बार आपके पास डेटा हो जाने के बाद, उस पर प्रशिक्षण के लिए बहुत कम काम की आवश्यकता होती है।", correct: true }, { text: "आपको Keras के साथ-साथ ट्रांसफार्मरस भी सीखने को मिलते हैं।", explain: "सही है, लेकिन हम कुछ और ढूंढ रहे हैं :)", correct: true }, { text: "आप डेटासेट से संबंधित मेट्रिक्स की आसानी से गणना कर सकते हैं।", explain: "आप डेटासेट से संबंधित मेट्रिक्स की आसानी से गणना कर सकते हैं।" } ]} />

6. आप अपनी खुद की कस्टम मीट्रिक कैसे परिभाषित कर सकते हैं?

<Question choices={[ { text: "tf.keras.metrics.Metric की उपवर्गीकरण करके।", explain: "बहुत बढ़िया !", correct: true }, { text: "Keras क्रियात्मक API का उपयोग करना।", explain: "पुनः प्रयास करें!" }, { text: "हस्ताक्षर metric_fn(y_true, y_pred) के साथ प्रतिदेय का उपयोग करना।", explain: "सही!", correct: true }, { text: "इसे गुगल करके।", explain: "यह वह उत्तर नहीं है जिसकी हम तलाश कर रहे हैं, लेकिन इससे आपको उसे खोजने में मदद मिलेगी।", correct: true } ]} />

{/if}