Buckets:

|
download
raw
12.7 kB
# คำถามท้ายบท
<CourseFloatingBanner
chapter={4}
classNames="absolute z-10 right-0 top-0"
/>
มาทดสอบความรู้ที่คุณได้เรียนในบทนี้กันเถอะ!
### 1. อะไรคือข้อจำกัดของโมเดลบน Hub?
<Question
choices={[
{
text: "โมเดลจาก 🤗 Transformers library",
explain: "แม้ว่า Hugging Face Hub รับรองโมเดลจาก 🤗 Transformers library แต่นั่นก็ไม่ใช่ทั้งหมดที่มี!"
},
{
text: "ทุกโมเดลที่มีอินเตอร์เฟซเหมือนกับ 🤗 Transformers",
explain: "ไม่มีข้อบังคับเกี่ยวกับอินเตอร์เฟซเมื่อทำการอัพโหลดโมเดลขึ้นสู่ Hugging Face Hub"
},
{
text: "ไม่มีข้อจำกัดใดๆ",
explain: "ถูกต้องแล้ว! ไม่มีข้อจำกัดใดๆในการอัพโหลดโมเดลขึ้นสู่ Hub",
explain: "Right! There are no limits when uploading models to the Hub.",
correct: true
},
{
text: "โมเดลที่ใช้ได้กับงานประเภท NLP",
explain: "ไม่มีข้อบังคับเกี่ยวกับประเภทของการใช้งาน!"
}
]}
/>
### 2. คุณสามารถจัดการโมเดลบน Hub ได้อย่างไร?
<Question
choices={[
{
text: "ผ่านบัญชี GCP",
explain: "ไม่ถูกต้อง!"
},
{
text: "ผ่านการกระจายแบบ peer-to-peer",
explain: "ไม่ถูกต้อง!"
},
{
text: "ผ่าน git และ git-lfs",
explain: "ถูกต้องแล้ว! โมเดลบน Hub เป็น Git repositories แบบเรียบง่าย มีการใช้งาน git-lfs สำหรับไฟล์ขนาดใหญ่",
correct: true
}
]}
/>
### 3. คุณสามารถใช้ web interface ของ Hugging Face Hub ทำอะไรได้บ้าง?
<Question
choices={[
{
text: "Fork repository ที่มีอยู่แล้ว",
explain: "การ Fork repository ไม่สามารถทำได้บน Hugging Face Hub"
},
{
text: "สร้าง model repository ใหม่",
explain: "ถูกต้องแล้ว! แต่นั้นก็ไม่ใช่ทั้งหมดที่คุณทำได้",
correct: true
},
{
text: "จัดการและแก้ไขไฟล์",
explain: "ถูกต้องแล้ว! แต่นั้นก็ไม่ใช่คำตอบที่ถูกเพียงข้อเดียว",
correct: true
},
{
text: "อัพโหลดไฟล์",
explain: "ถูกต้องแล้ว! แต่ยังไม่ใช่ทั้งหมด",
correct: true
},
{
text: "ดูความแตกต่างระหว่างเวอร์ชั่นต่างๆ",
explain: "ถูกต้องแล้ว! แต่นั้นก็ไม่ใช่ทั้งหมดที่คุณทำได้",
correct: true
}
]}
/>
### 4. การ์ดโมเดลคืออะไร?
<Question
choices={[
{
text: "คำอธิบายโมเดลแบบหยาบๆ ดังนั้นจึงสำคัญน้อยกว่าไฟล์โมเดลและ tokenizer",
explain: "มันคือคำอธิบายของโมเดล แต่มันเป็นชิ้นที่สำคัญมาก: ถ้ามันไม่สมบูรณ์หรือขาดตกบกพร่องบางอย่างไป คุณประโยชน์ของโมเดลจะลงลดอย่างมาก"
},
{
text: "วิธีที่ใช้ในการรับประกันความสามารถในการทำซ้ำ (reproducibility), ความสามารถในการนำกลับมาใช้ (reusability) และความเท่าเทียม (fairness)",
explain: "ถูกต้องแล้ว! การแบ่งปันข้อมูลที่ถูกต้องในการ์ดโมเดลจะช่วยให้ผู้ใช้สามารถนำโมเดลของคุณไปใช้และคำนึงถึงข้อจำกัดและความลำเอียงของมัน",
correct: true
},
{
text: "ไฟล์ Python ที่สามารถรันเพื่อดึงข้อมูลเกี่ยวกับโมเดลได้",
explain: "การ์ดโมเดลเป็นไฟล์ Markdown แบบเรียบง่าย"
}
]}
/>
### 5. วัตถุ (objects) ใดต่อไปนี้ของ 🤗 Transformers library ที่สามารถถูกแบ่งปันได้โดยตรงบน Hub ผ่านคำสั่ง `push_to_hub()`?
{#if fw === 'pt'}
<Question
choices={[
{
text: "tokenizer",
explain: "ถูกต้องแล้ว! tokenizer ทั้งหมดมีคำสั่ง push_to_hub และใช้มันในการดันไฟล์ทั้งหมดของ tokenizer (คำศัพท์ (vocabulary), สถาปัตยกรรมของ tokenizer และอื่นๆ) ไปยัง repo ที่กำหนดได้ แต่นี่ก็ไม่ใช่คำตอบที่ถูกเพียงข้อเดียว!",
correct: true
},
{
text: "model configuration",
explain: "ถูกต้องแล้ว! ไฟล์สำหรับกำหนดค่าของโมเดล (model configurations) ทั้งหมดมีคำสั่ง push_to_hub และใช้มันในการดันพวกมันขึ้นไปยัง repo ที่กำหนดได้ มีอะไรอีกที่คุณสามารถแบ่งปันได้?",
correct: true
},
{
text: "model",
explain: "ถูกต้องแล้ว! โมเดลทั้งหมดมีคำสั่ง push_to_hub และใช้มันในการดันพวกมันและไฟล์กำหนดค่าของพวกมันขึ้นไปยัง repo ที่กำหนดได้ แต่นั่นก็ไม่ใช่ทั้งหมดที่คุณแบ่งปันได้",
correct: true
},
{
text: "Trainer",
explain: "ถูกต้อง — Trainer ก็มีคำสั่ง push_to_hub และใช้มันในการอัพโหลดโมเดล, ไฟล์กำหนดค่า, tokenizer และดราฟของการ์ดโมเดลไปยัง repo ที่กำหนดได้ ลองตอบข้ออื่นดู!",
correct: true
}
]}
/>
{:else}
<Question
choices={[
{
text: "tokenizer",
explain: "ถูกต้องแล้ว! tokenizer ทั้งหมดมีคำสั่ง push_to_hub และใช้มันในการดันไฟล์ทั้งหมดของ tokenizer (คำศัพท์ (vocabulary), สถาปัตยกรรมของ tokenizer และอื่นๆ) ไปยัง repo ที่กำหนดได้ แต่นี่ก็ไม่ใช่คำตอบที่ถูกเพียงข้อเดียว!",
correct: true
},
{
text: "model configuration",
explain: "ถูกต้องแล้ว! ไฟล์สำหรับกำหนดค่าของโมเดล (model configurations) ทั้งหมดมีคำสั่ง push_to_hub และใช้มันในการดันพวกมันขึ้นไปยัง repo ที่กำหนดได้ มีอะไรอีกที่คุณสามารถแบ่งปันได้?",
correct: true
},
{
text: "model",
explain: "ถูกต้องแล้ว! โมเดลทั้งหมดมีคำสั่ง push_to_hub และใช้มันในการดันพวกมันและไฟล์กำหนดค่าของพวกมันขึ้นไปยัง repo ที่กำหนดได้ แต่นั่นก็ไม่ใช่ทั้งหมดที่คุณแบ่งปันได้",
correct: true
},
{
text: "ทั้งหมดที่กล่าวมารวมกับ callback ที่อุทิศให้",
explain: "ถูกต้อง — โดยปกติ PushToHubCallback จะส่งวัตถุทั้งหมดเหล่านั้นไปยัง repo ระหว่างการเทรน",
correct: true
}
]}
/>
{/if}
### 6. อะไรคือขั้นตอนแรกในการใช้คำสั่ง `push_to_hub()` หรือเครื่องมือ CLI?
<Question
choices={[
{
text: "Log in เข้าสู่หน้าเว็บไซต์",
explain: "การทำแบบนี้ไม่ได้ช่วยอะไรกับ local machine ของคุณเลย"
},
{
text: "รันคำสั่ง 'huggingface-cli login' ใน terminal",
explain: "ถูกต้อง — การทำแบบนี้จะดาวน์โหลดและเก็บโทเค็นส่วนตัวของคุณไว้ใน cache",
correct: true
},
{
text: "รันคำสั่ง 'notebook_login()' ใน notebook",
explain: "ถูกต้อง — การทำแบบนี้จะแสดงเครื่องมือ (widget) ให้คุณรับรองความถูกต้อง (authentication)",
correct: true
},
]}
/>
### 7. คุณกำลังใช้งานโมเดลและ tokenizer อยู่ — คุณจะสามารถอัพโหลดพวกมันขึ้นไปบน Hub ได้อย่างไร?
<Question
choices={[
{
text: "โดยการเรียกคำสั่ง push_to_hub โดยตรงจากโมเดลและ tokenizer",
explain: "ถูกต้องแล้ว!",
correct: true
},
{
text: "ภายใน Python runtime คลุมพวกมันเอาไว้ด้วย huggingface_hub utility",
explain: "โมเดลและ tokenizers ถ้ารับประโยชน์จาก huggingface_hub utilities อยู่แล้ว: ไม่จำเป็นจะต้องมีการคลุมเพิ่ม!"
},
{
text: "โดยการบันทึกพวกมันลงบนเครื่องและเรียกใช้คำสั่ง transformers-cli upload-model",
explain: "ไม่มีคำสั่ง upload-model นี้อยู่"
}
]}
/>
### 8. มีการดำเนินการ git (git operations) ใดบ้างที่คุณสามารถทำได้กับคลาส `Repository`?
<Question
choices={[
{
text: "commit",
explain: "ถูกต้อง คำสั่ง git_commit() มีไว้สำหรับสิ่งนี้",
correct: true
},
{
text: "pull",
explain: "นั่นคือวัตถุประสงค์ของคำสั่ง git_pull()",
correct: true
},
{
text: "push",
explain: "คำสั่ง git_push() มีไว้ทำสิ่งนี้",
correct: true
},
{
text: "merge",
explain: "ไม่ การดำเนินการนี้ไม่สามารถทำได้กับ API นี้"
}
]}
/>

Xet Storage Details

Size:
12.7 kB
·
Xet hash:
db2057d5e0d3abf73b9b40047184a34a721f4ae47651a0c978c46ec24b61ad10

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.