course/main/ro/chapter2/9.md

Quiz la final de capitol [[quiz-la-final-de-capitol]]

1. Care este ordinea pipeline-ului de modelare a limbajului?

2. Câte dimensiuni are tensorul generat de modelul Transformer și care sunt acestea?

3. Care dintre următoarele este un exemplu de tokenizare a cuvintelor secundare?

4. Ce este un model head?

{#if fw === 'pt'}

5. Ce este un AutoModel?

AutoTrain?" }, { text: "Un obiect care returnează arhitectura corespunzătoare bazată pe checkpoint.", explain: "Exact: AutoModel are nevoie doar să știe checkpoint-ul din care să se inițializeze pentru a returna arhitectura corectă.", correct: true }, { text: "Un model care detectează automat limba utilizată pentru intrările sale pentru a încărca ponderile corecte", explain: "Incorect; deși unele checkpoint-uri și modele pot gestiona mai multe limbi, nu există instrumente integrate pentru selectarea automată a checkpoint-ului în funcție de limbă. Ar trebui să consultați Model Hub pentru a găsi cel mai bun checkpoint pentru sarcina dumneavoastră!" } ]} />

{:else}

5. Ce este un TFAutoModel?

AutoTrain?" }, { text: "Un obiect care returnează arhitectura corespunzătoare bazată pe checkpoint", explain: "Exact: TFAutoModel are nevoie doar să știe checkpoint-ul din care să se inițializeze pentru a returna arhitectura corectă.", correct: true }, { text: "Un model care detectează automat limba utilizată pentru intrările sale pentru a încărca ponderile corecte", explain: "Incorect; deși unele checkpoint-uri și modele pot gestiona mai multe limbi, nu există instrumente integrate pentru selectarea automată a checkpoint-ului în funcție de limbă. Ar trebui să consultați Model Hub pentru a găsi cel mai bun checkpoint pentru sarcina dumneavoastră!" } ]} />

{/if}

6. Care sunt tehnicile de care trebuie să țineți cont atunci când grupați secvențe de diferite lungimi?

7. Care este scopul aplicării unei funcții SoftMax asupra logit-urilor produse de un model de clasificare a secvențelor?

8. În jurul cărei metode se concentrează cea mai mare parte a API-ului tokenizer?

encode, deoarece poate codifica textul în ID-uri și ID-urile în predicții", explain: "Greșit! Deși metoda encode există pe tokenizers, ea nu există pe modele." }, { text: "Apelarea directă a obiectului tokenizer.", explain: "Exact! Metoda call a tokenizatorului este foarte puternică și poate gestiona aproape orice. Este și metoda folosită pentru a obține predicții de la un model.", correct: true }, { text: "pad", explain: "Greșit! Padding-ul este foarte util, dar este doar o parte a API-ului tokenizer." }, { text: "tokenize", explain: "Metoda tokenize este, fără îndoială, una dintre cele mai utile, dar nu reprezintă nucleul API-ului tokenizer." } ]} />

9. Ce conține variabila result în acest exemplu de cod?

from transformers import AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("bert-base-cased")
result = tokenizer.tokenize("Hello!")

call sau convert_tokens_to_ids!" }, { text: "Un șir care conține toate token-urile", explain: "Nu ar fi optim, deoarece scopul este de a separa șirul inițial în mai multe token-uri." } ]} />

{#if fw === 'pt'}

10. Este ceva greșit în următorul cod?

from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("bert-base-cased")
model = AutoModel.from_pretrained("gpt2")

encoded = tokenizer("Hey!", return_tensors="pt")
result = model(**encoded)

{:else}

10. Este ceva greșit în următorul cod?

from transformers import AutoTokenizer, TFAutoModel

tokenizer = AutoTokenizer.from_pretrained("bert-base-cased")
model = TFAutoModel.from_pretrained("gpt2")

encoded = tokenizer("Hey!", return_tensors="pt")
result = model(**encoded)

{/if}