course/pr_1213/ro/chapter1/10.md

Quiz de sfârșit de capitol[[test-de-sfârșit-de-capitol]]

Acest capitol a acoperit o mulțime de subiecte! Nu vă faceți griji dacă nu ați înțeles toate detaliile; capitolele următoare vă vor ajuta să înțelegeți cum funcționează lucrurile în mecanismele lor interne.

Mai întâi, însă, să testăm ceea ce ați învățat în acest capitol!

1. Explorați Hub-ul și căutați checkpoint-ul roberta-large-mnli. Ce sarcină îndeplinește acesta?

roberta-large-mnli." }, { text: "Clasificare de text", explain: "Mai precis, clasifică dacă două propoziții sunt legate logic folosind trei etichete (contradicție, neutru, implicație) — o sarcină numită și inferență în limbaj natural.", correct: true }, { text: "Generare de text", explain: "Uitați-vă din nou pe pagina roberta-large-mnli." } ]} />

2. Ce va returna următorul cod?

from transformers import pipeline

ner = pipeline("ner", grouped_entities=True)
ner("My name is Sylvain and I work at Hugging Face in Brooklyn.")

sentiment-analysis." }, { text: "Va returna un text generat care completează această propoziție.", explain: "Aceasta este incorect — ar fi un pipeline de text-generation.", }, { text: "Va returna cuvintele care reprezintă persoane, organizații sau locații.", explain: "În plus, cu grouped_entities=True, va grupa împreună cuvintele care aparțin aceleiași entități, precum "Hugging Face".", correct: true } ]} />

3. Ce ar trebui să înlocuiască ... în acest exemplu de cod?

from transformers import pipeline

filler = pipeline("fill-mask", model="bert-base-cased")
result = filler("...")

has been waiting for you.", explain: "Aceasta este incorect. Verificați cardul modelului bert-base-cased și încercați să identificați greșeala." }, { text: "This [MASK] has been waiting for you.", explain: "Corect! Token-ul de mască al acestui model este [MASK].", correct: true }, { text: "This man has been waiting for you.", explain: "Aceasta este incorect. Acest pipeline completează cuvinte mascate, deci are nevoie de un token de mască undeva." } ]} />

4. De ce nu va funcționa acest cod?

from transformers import pipeline

classifier = pipeline("zero-shot-classification")
result = classifier("This is a course about the Transformers library")

candidate_labels=[...].", correct: true }, { text: "Acest pipeline necesită mai multe propoziții, nu doar una.", explain: "Aceasta este incorect, deși atunci când este utilizat corespunzător, acest pipeline poate primi o listă de propoziții de procesat (ca toate celelalte pipeline-uri)." }, { text: "Biblioteca 🤗 Transformers este defectă, ca de obicei.", explain: "Nu vom onora acest răspuns cu un comentariu!" }, { text: "Acest pipeline necesită intrări mai lungi; aceasta este prea scurtă.", explain: "Aceasta este incorect. Rețineți că un text foarte lung va fi trunchiat atunci când este procesat de acest pipeline." } ]} />

5. Ce înseamnă „transfer learning"?

6. Adevărat sau fals? De obicei, un model lingvistic nu are nevoie de etichete pentru preinstruire.

auto-supervizată, ceea ce înseamnă că etichetele sunt create automat din intrări (cum ar fi prezicerea următorului cuvânt sau completarea unor cuvinte mascate).", correct: true }, { text: "Fals", explain: "Incorect." } ]} />

7. Selectați propoziția care descrie cel mai bine termenii „model", „arhitectură" și „greutăți".

8. Care dintre aceste tipuri de modele le-ați folosi pentru a completa prompt-urile cu text generat?

9. Care dintre aceste tipuri de modele le-ați folosi pentru a rezuma texte?

10. Care dintre aceste tipuri de modele le-ați utiliza pentru a clasifica intrările de text în funcție de anumite etichete?

11. Ce sursă posibilă poate avea prejudecata observată într-un model?