Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący modeli przetworników RNN

Dowiedz się, w jaki sposób modele przetworników RNN łączą ramki akustyczne i historię wyników na potrzeby zadań transkrypcji sekwencji strumieniowych.

Powiązane ścieżki prowadząceModele przetworników Rnn
Pytanie 1 z 8

Które ograniczenia CTC są konkretnie uwzględniane przez przetwornik RNN?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Które ograniczenia CTC są konkretnie uwzględniane przez przetwornik RNN?
    • Założenie niezależności warunkowej CTC, które zapobiega modelowaniu zależności tokenu wyjściowego
    • CTC w ogóle nie może przetwarzać dźwięku
    • CTC wymaga do działania procesorów graficznych
    • CTC działa tylko w przypadku obrazów
  2. Jakie są trzy główne elementy przetwornika RNN?
    • Koder, dekoder i dyskryminator
    • Koder (sieć transkrypcyjna), sieć predykcyjna i sieć wspólna
    • Tylko tokenizer, osadzacz i softmax
    • Dwie głowy uwagi i router
  3. Jaką rolę odgrywa sieć predykcyjna w RNN-T?
    • Kompresuje przebieg audio
    • Mierzy głośność mikrofonu
    • Działa jak model językowy, warunkujący wcześniej wyemitowane tokeny
    • Wybiera częstotliwość próbkowania
  4. Dlaczego RNN-T tak naturalnie obsługuje przesyłanie strumieniowe z niskim opóźnieniem?
    • Przetwarza całą wypowiedź na raz, zanim cokolwiek wyemituje
    • Całkowicie ignoruje porządek czasu
    • Działa tylko na wcześniej nagranych plikach
    • Jego wyrównanie jest monotoniczne i od lewej do prawej, przechodząc przez dźwięk z odstępami
  5. Co w dekodowaniu RNN-T robi emitowanie pustego tokena?
    • Przechodzi do następnego kroku czasu dźwięku
    • Kończy całą transkrypcję
    • Usuwa poprzednie słowo
    • Przełącza na inny język
  6. Który typ enkodera coraz częściej zastępuje LSTM w nowoczesnych produkcyjnych systemach RNN-T?
    • Drzewa decyzyjne
    • Enkodery konformerskie
    • Zwykły zbiór słów
    • Ukryte modele Markowa
  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