course/pr_1213/es/chapter2/9.md

# Quiz de final de capítulo[[end-of-chapter-quiz]]

### 1. ¿Cuál es el orden del pipeline de modelado del lenguaje?

### 2. ¿Cuántas dimensiones tiene el tensor que produce el modelo Transformer base, y cuáles son?

### 3. ¿Cuál de los siguientes es un ejemplo de tokenización por subpalabras?

### 4. ¿Qué es una cabeza de modelo?

### 5. ¿Qué es un AutoModel?

AutoTrain?"
		},
		{
			text: "Un objeto que devuelve la arquitectura correcta a partir del checkpoint",
			explain: "Exactamente: AutoModel solo necesita saber desde qué checkpoint inicializarse para devolver la arquitectura correcta.",
			correct: true
		},
		{
			text: "Un modelo que detecta automáticamente el idioma usado en sus entradas para cargar los pesos correctos",
			explain: "Aunque algunos checkpoints y modelos pueden manejar varios idiomas, no hay herramientas integradas para seleccionar automáticamente el checkpoint según el idioma. Ve al Model Hub para encontrar el mejor checkpoint para tu tarea."
		} 
	]}
/>

### 6. ¿Qué técnicas hay que tener en cuenta al agrupar juntas secuencias de distintas longitudes?

### 7. ¿Para qué sirve aplicar una función SoftMax a los logits que produce un modelo de clasificación de secuencias?

### 8. ¿En qué método se centra la mayor parte de la API del tokenizador?

encode, ya que puede codificar texto en IDs e IDs en predicciones",
			explain: "Incorrecto. Aunque el método encode existe en los tokenizadores, no existe en los modelos."
		},
		{
			text: "Llamar directamente al objeto tokenizador.",
			explain: "Exacto. El método __call__ del tokenizador es muy potente y puede encargarse de casi todo. También es el método que se usa para obtener predicciones de un modelo.",
			correct: true
		},
		{
			text: "pad",
			explain: "Incorrecto. El relleno es muy útil, pero es solo una parte de la API del tokenizador."
		},
		{
			text: "tokenize",
			explain: "El método tokenize es seguramente uno de los métodos más útiles, pero no es el núcleo de la API del tokenizador."
		}
	]}
/>

### 9. ¿Qué contiene la variable `result` en este ejemplo de código?

```py
from transformers import AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("bert-base-cased")
result = tokenizer.tokenize("Hello!")
```

__call__ o convert_tokens_to_ids."
		},
		{
			text: "Un string que contiene todos los tokens",
			explain: "Eso sería poco práctico, porque el objetivo es dividir el string en varios tokens."
		}
	]}
/>

### 10. ¿Hay algo mal en el siguiente código?

```py
from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("bert-base-cased")
model = AutoModel.from_pretrained("gpt2")

encoded = tokenizer("Hey!", return_tensors="pt")
result = model(**encoded)
```