course/pr_1213/ro/chapter5/8.md

Quiz de final de capitol[[end-of-chapter-quiz]]

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 mai aprofundat.

Înainte de a trece mai departe, totuși trebuie să testăm ce ați învățat în acest capitol.

1. Funcția load_dataset() din 🤗 Datasets vă permite să încărcați un dataset din care dintre următoarele locații?

load_dataset('emotion').", correct: true }, { text: "Un server remote", explain: "Corect! Puteți trece URL-uri ca argument al data_files al load_dataset() pentru a încărca fișiere remote.", correct: true }, ]} />

2. Presupunem că încărcați una dintre sarcinile GLUE astfel:

from datasets import load_dataset

dataset = load_dataset("glue", "mrpc", split="train")

Care dintre următoarele comenzi va produce un exemplu aleatoriu de 50 de elemente din dataset?

dataset.sample(50)", explain: "Acest lucru este incorect -- nu există o metodă Dataset.sample()." }, { text: "dataset.shuffle().select(range(50))", explain: "Corect! Așa cum ați văzut în acest capitol, mai întâi faceți shuffle datasetului și apoi selectați exemplele din el.", correct: true }, { text: "dataset.select(range(50)).shuffle()", explain: "Acest lucru este incorect -- deși codul va rula, va amesteca doar primele 50 de elemente din setul de date." } ]} />

3. Presupunem că aveți un set de date despre animale de companie numit pets_dataset, care are o coloană name care denotă numele fiecărui animal de companie. Care dintre următoarele abordări v-ar permite să filtrați setul de date pentru toate animalele de companie ale căror nume încep cu litera "L"?

pets_dataset.filter(lambda x : x['name'].startswith('L'))", explain: "Corect! Utilizarea unei funcții lambda python pentru aceste filtre rapide este o idee grozavă. Vă puteți gândi și la o altă soluție?", correct: true }, { text: "pets_dataset.filter(lambda x['name'].startswith('L'))", explain: "Acest lucru este incorect -- o funcție lambda are forma generală lambda arguments : expression, deci trebuie să furnizați argumente în acest caz." }, { text: "Creați o funcție ca def filter_names(x): return x['name'].startswith('L') și rulați pets_dataset.filter(filter_names).", explain: "Corect! La fel ca și cu Dataset.map(), puteți trece funcții explicite la Dataset.filter(). Acest lucru este util atunci când aveți o logică complexă care nu este potrivită pentru o funcție lambda. Care dintre celelalte soluții ar mai funcționa?", correct: true } ]} />

4. Ce este memory mapping?

5. Care sunt principalele beneficii ale memory-mapping?

6. De ce codul următor eșuează?

from datasets import load_dataset

dataset = load_dataset("allocine", streaming=True, split="train")
dataset[0]

IterableDataset.", explain: "Corect! Un IterableDataset este un generator, nu un container, deci ar trebui să accesați elementele sale utilizând next(iter(dataset)).", correct: true }, { text: "Datasetul allocine nu are o un split train.", explain: "Acest lucru este incorect -- consultați cardul datasetului allocine de pe Hub pentru a vedea ce splituri conține." } ]} />

7. Care sunt principalele beneficii ale creării unui dataset card?

8. Ce este căutarea semantică?

9. Pentru căutarea semantică asimetrică, de obicei aveți:

10. Pot utiliza 🤗 Datasets pentru a încărca date pentru utilizare în alte domenii, cum ar fi speech processing?

MNIST de pe Hub pentru a vedea un exemplu de computer vision." }, { text: "Da", explain: "Corect! Consultați dezvoltările interesante cu privire la speech și vision în biblioteca 🤗 Transformers pentru a vedea cum 🤗 Datasets este utilizat în aceste domenii.", correct: true }, ]} />