course/pr_1213/ru/chapter5/8.md

Тест в конце главы[[end-of-chapter-quiz]]

Эта глава охватила много вопросов! Не волнуйтесь, если вы не поняли всех деталей; следующие главы помогут вам понять, как все работает внутри.

Однако, прежде чем двигаться дальше, давайте проверим то, что вы узнали в этой главе.

Из каких источников функция load_dataset() в 🤗 Datasets позволяет загружать наборы данных?

data_files функции load_dataset() для загрузки локальных наборов данных.", correct: true }, { text: "Hugging Face Hub", explain: "Правильно! Вы можете загружать наборы данных в Hub, указав идентификатор набора данных, например. load_dataset('emotion').", correct: true }, { text: "Удаленный сервер", explain: "Правильно! Вы можете передать URLs в аргумент data_files фунции load_dataset(). ", correct: true }, ]} />

2. Предположим, вы загружаете одну из задач GLUE следующим образом:

from datasets import load_dataset

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

Какая из следующих команд создаст случайную выборку из 50 элементов из dataset?

dataset.sample(50)", explain: "Это неверно — нет метода Dataset.sample()." }, { text: "dataset.shuffle().select(range(50))", explain: "Правильный! Как вы видели в этой главе, вы сначала перемешиваете набор данных, а затем выбираете из него подмножества.", correct: true }, { text: "dataset.select(range(50)).shuffle()", explain: "Это неверно — хотя код запустится, он перемешает только первые 50 элементов в наборе данных." } ]} />

3. Предположим, у вас есть набор данных о домашних питомцах под названием pets_dataset, в котором есть столбец name, обозначающий имя каждого питомца. Какой из следующих подходов позволит вам отфильтровать набор данных для всех домашних животных, имена которых начинаются с буквы «L»?

pets_dataset.filter(lambda x : x['name'].startswith('L'))", explain: "Правильно! Использование лямбда-функции Python для этих быстрых фильтров — отличная идея. Можете ли вы придумать другое решение?", correct: true }, { text: "pets_dataset.filter(lambda x['name'].startswith('L'))", explain: "Это неверно — лямбда-функция принимает общую форму lambda arguments : expression, поэтому в этом случае вам необходимо предоставить аргументы." }, { text: "Create a function like def filter_names(x): return x['name'].startswith('L') and run pets_dataset.filter(filter_names).", explain: "Правильно! Как и в случае с Dataset.map(), вы можете передавать явные функции в Dataset.filter(). Это полезно, когда у вас есть сложная логика, которая не подходит для короткой лямбда-функции. Какое из других решений будет работать?", correct: true } ]} />

4. Что такое отображение в память?

5. Что из перечисленного ниже является основным преимуществом отображения памяти?

6. Почему следующий код не работает?

from datasets import load_dataset

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

IterableDataset.", explain: "Правильно! IterableDataset — это генератор, а не контейнер, поэтому вы должны получить доступ к его элементам, используя next(iter(dataset)).", correct: true }, { text: "Набор данных allocine не имеет разделения train.", explain: "Это неверно — проверьте allocine карточку набора данных в Hub, чтобы увидеть, какие разбиения он содержит." } ]} />

7. Что из перечисленного является основными преимуществами создания карточки датасета?

8. Что такое семантический поиск?

9. Для асимметричного семантического поиска можно использовать:

10. Могу ли я использовать 🤗 Datasets для загрузки данных и решения задач в других областях, например для обработки речи?

набором данных MNIST в Hub для примера компьютерного зрения." }, { text: "Да", explain: "Правильно! Ознакомьтесь с захватывающими разработками в области речи и зрения в библиотеке 🤗 Transformers, чтобы узнать, как 🤗 Datasets используются в этих областях.", correct : true }, ]} />