Тест на разделение двухпутевого RNN

Ответы и пояснения появляются по мере прохождения теста.

1. Какую проблему в первую очередь решает двухпутевая RNN?
   • Моделирование чрезвычайно длинных аудиопоследовательностей, которые перегружают одиночную RNN
   • Генерация новой музыки из текста
   • Сжатие аудиофайлов для хранения
   • Определение языка, на котором говорят
2. Каковы два «пути» в двухпутевой RNN?
   • Кодер и декодер
   • Внутриблоковое (локальное) и межчанковое (глобальное) повторение
   • Воспроизведение звука вперед и назад
   • Пути обучения и вывода
3. Как подготавливается длинная последовательность объектов перед блоками двойного пути?
   • Он преобразуется в один средний вектор
   • Превращается в текстовые токены
   • Он сегментирован на короткие перекрывающиеся фрагменты, образующие 2D-сетку.
   • Это уменьшено до одного образца
4. В какую существующую структуру был добавлен DPRNN в качестве замены сепаратора?
   • Модель диффузного изображения
   • Только декодер речи в текст
   • Вокодер на основе GAN
   • Платформа кодирования/декодера Conv-TasNet
5. Какая более поздняя модель сохранила двухпутевую структуру DPRNN, но заменила RNN трансформаторами?
   • СентябрьБывший
   • ВейвНет
   • БЕРТ
   • Такотрон
6. Почему порционная обработка способствует стабильности тренировки?
   • Это устраняет необходимость в какой-либо функции потерь.
   • Каждая RNN видит только короткую подпоследовательность, избегая очень длинных цепочек обратного распространения.
   • Он автоматически устраняет все перекрывающиеся динамики
   • Он преобразует аудио в изображения
7. How are processed overlapping chunks recombined into the output sequence?
   • By sorting them alphabetically
   • By averaging all chunks into one frame
   • By overlap-add across the chunk positions
   • By converting them into text tokens
8. On which benchmark did the DPRNN paper report its 20-times-smaller model comparison?
   • MUSDB18
   • ImageNet
   • LibriTTS
   • WSJ0-2mix