course/pr_1213/vi/chapter7/9.md

Đố vui cuối chương

Cùng kiểm tra xem bạn đã học được những gì trong chương này!

1. Tác vụ nào sau đây có thể được coi là vấn đề phân loại token?

2. Phần tiền xử lý để phân loại token khác với các pipeline tiền xử lý khác ở điểm nào?

-100 để đánh nhãn các token đặc biệt.", explain: "Điều đó không dành riêng cho việc phân loại token -- ta luôn sử dụng -100 như nhãn của token ta muốn bỏ quả trong hàm mất mát." }, { text: "Chúng ta cần đảm bảo cắt bớt hoặc đệm các nhãn có cùng kích thước với các đầu vào khi áp dụng phép cắt bớt/đệm.", explain: "Thật vậy! Tuy nhiên đó không phải là sự khác biệt duy nhất.", correct: true } ]} />

3. Vấn đề gì phát sinh khi ta tokenize các từ trong bài toán phân loại token và muốn đánh nhãn token?

-100 cho chúng để chúng bị bỏ qua khi tính sự mất mát." }, { text: "Mỗi từ có thể tạo ra nhiều token, nên đến cuối ta sẽ có nhiều token hơn số nhãn.", explain: "Đó là vấn đề chính và chúng ta cần phải căn chỉnh các nhãn gốc với các token.", correct: true }, { text: "Các token được thêm không có nhãn, nên không có vấn đề gì.", explain: "Không chính xác; ta cần số nhãn tương ứng số token nếu không mô hình sẽ báo lỗi." } ]} />

4. "Thích ứng chuyên môn" là gì?

5. Các nhãn trong bài toán mô hình ngôn ngữ bị ẩn đi là gì?

6. Tác vụ nào sau đây có thể được coi là bài toán chuỗi sang chuỗi?

7. Đây là phuwong pháp phù hợp để tiền xử lý dữ liệu cho bài toán chuỗi sang chuỗi?

inputs=... và targets=....", explain: "Đây có thể là một API mà chúng tôi sẽ thêm vào trong tương lai, nhưng điều đó không khả thi ở thời điểm hiện tại." }, { text: "Đầu vào và nhãn đều phải được tiền xử lý, trong hai lệch gọi riêng biệt tới tokenizer.", explain: "Điều đó đúng, nhưng chưa đủ. Bạn cần phải làm gì đó nữa để đảm bảo trình tokenizer xử lý đúng cả hai." }, { text: "Như thường lệ, chúng ta chỉ phhải tokenize đầu vào.", explain: "Không phải với bài toán phân loại chuỗi; nhãn cũng là văn bản nên ta cần chuyển sang dạng số!" }, { text: "Đầu vào phải đước gửi tới trình tokenizer, và nhãn cũng vậy, nhưng theo trình quản lý ngữ cảnh đặc biệt.", explain: "Đúng vậy, tokenizer cần xử lý nhãn dựa trên trình quản lý ngữ cảnh.", correct: true } ]} />

{#if fw === 'pt'}

8. Vì sao lại có lớp con Trainer cho các bài toán chuỗi sang chuỗi?

-100", explain: "Đây không phải là tuỳ chỉnh mất mát, mà là cách sự mất mát vẫn luôn được tính toán." }, { text: "Vì các vấn đề chuỗi sang chuỗi cần một vòng đánh giá đặc biệt", explain: "Chính xác. Các dự đoán mô hình chuỗi sang chuỗi thường được chạy sử dụng phương thức generate().", correct: true }, { text: "Bởi vì nhãn là văn bản trong bài toán chuỗi sang chuỗi", explain: "Trainer không thực sự quan tâm vì chúng đã được tiền xử lý trước đó." }, { text: "Vì ta sử dụng hai mô hình trong bài toán chuỗi sang chuỗi", explain: "Chúng ta sử dụng hai mô hình cùng một cách, một trình mã hoá và một trình giải mã, nhưng ta sẽ nhóm chúng lại trong một mô hình." } ]} />

{:else}

9. Vì sao không cần thiết chỉ định hàm mất mát khi gọi compile() trong mô hình Transformer?

{/if}

10. Khi nào bạn nên huấn luyện trước một mô hình mới?

11. Vì sao ta dễ huấn luyện trước một mô hình ngôn ngữ khi có khối lượng văn bản khổng lồ?

12. Đâu là những thách thức chính khi tiền xử lí dữ liệu cho tác vụ hỏi đáp?

13. Làm thể nào để hậu xử lý trong bài toán hỏi đáp?