Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ RNN-Transducer Models

Κατανοήστε πώς τα μοντέλα RNN-Transducer συνδυάζουν ακουστικά πλαίσια και ιστορικό εξόδου για εργασίες μεταγραφής ακολουθίας ροής.

Σχετικές διαδρομές οδηγώνΜοντέλα μετατροπέων Rnn
Ερώτηση 1 του 8

Ποιον περιορισμό του CTC αντιμετωπίζει συγκεκριμένα ο μετατροπέας RNN;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποιον περιορισμό του CTC αντιμετωπίζει συγκεκριμένα ο μετατροπέας RNN;
    • Η υπόθεση της ανεξαρτησίας υπό όρους του CTC, η οποία αποτρέπει τη μοντελοποίηση εξαρτήσεων με διακριτικά εξόδου
    • Το CTC δεν μπορεί να επεξεργαστεί καθόλου τον ήχο
    • Το CTC απαιτεί GPU για εκτέλεση
    • Το CTC λειτουργεί μόνο για εικόνες
  2. Ποια είναι τα τρία κύρια συστατικά ενός μετατροπέα RNN;
    • Κωδικοποιητής, αποκωδικοποιητής και διαχωριστής
    • Κωδικοποιητής (δίκτυο μεταγραφής), δίκτυο πρόβλεψης και κοινό δίκτυο
    • Μόνο Tokenizer, Embedder και softmax
    • Δύο κεφαλές προσοχής και ένα router
  3. Τι ρόλο παίζει το δίκτυο πρόβλεψης σε ένα RNN-T;
    • Συμπιέζει την ηχητική κυματομορφή
    • Μετρά την ένταση του μικροφώνου
    • Λειτουργεί σαν ένα μοντέλο γλώσσας, που εξαρτάται από μάρκες που είχαν εκδοθεί προηγουμένως
    • Επιλέγει το ποσοστό δειγματοληψίας
  4. Γιατί το RNN-T υποστηρίζει τόσο φυσικά τη ροή χαμηλής καθυστέρησης;
    • Επεξεργάζεται ολόκληρη την έκφραση αμέσως πριν εκπέμψει οτιδήποτε
    • Αγνοεί εντελώς τη χρονική σειρά
    • Λειτουργεί μόνο σε προηχογραφημένα αρχεία
    • Η ευθυγράμμισή του είναι μονότονη και από αριστερά προς τα δεξιά, προχωρώντας μέσω του ήχου με κενά
  5. Στην αποκωδικοποίηση RNN-T, τι κάνει η εκπομπή ενός κενού διακριτικού;
    • Προχωρά στο επόμενο βήμα χρόνου ήχου
    • Τερματίζει ολόκληρη τη μεταγραφή
    • Διαγράφει την προηγούμενη λέξη
    • Εναλλάσσεται σε διαφορετική γλώσσα
  6. Ποιος τύπος κωδικοποιητή αντικαθιστά όλο και περισσότερο τα LSTM στα σύγχρονα συστήματα RNN-T παραγωγής;
    • Δέντρα απόφασης
    • Κωδικοποιητές Conformer
    • Απλή τσάντα με λέξεις
    • Κρυμμένα μοντέλα Markov
  7. What two histories condition the RNN-T joint network’s output distribution?
    • Only the future transcript and a speaker photo
    • Only the last acoustic frame, without output context
    • The encoder representation of acoustic input and the prediction-network representation of prior output labels
    • The optimizer state and learning rate
  8. What alignment behavior does an RNN-T allow before advancing to the next audio frame?
    • It must emit exactly one label for every frame
    • It advances time only after a word-final token
    • It generates all output before reading any audio
    • It can emit zero or more nonblank labels at the current frame, then a blank advances time