Викторина, связанная с руководством · Средний Уровень

Викторина по закрытым повторяющимся единицам

Тестирует шлюзы GRU, обновления скрытых состояний, поведение при сбросе, различия LSTM, состояния-кандидаты и пределы архитектурных сравнений.

Связанные направляющие путиЗакрытые рекуррентные единицы
Вопрос 1 из 8

How many gates does the GRU cell in the guide use?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. How many gates does the GRU cell in the guide use?
    • Two: an update gate and a reset gate
    • Three plus a separate cell state
    • One gate per sequence position
    • No gates
  2. Что контролирует шлюз обновлений?
    • Which input token is removed permanently
    • The number of sequence layers
    • Whether to compute a separate cell state
    • How much of the previous hidden state to carry versus new candidate information
  3. Что контролирует ворота сброса?
    • The final sequence length
    • Скорость обучения оптимизатора
    • How much past information is used when forming a candidate state
    • Whether the update gate exists
  4. Как GRU представляет память по сравнению с LSTM?
    • It uses a separate cell state and three gates
    • It uses one hidden state rather than a separate cell state
    • It has no recurrent state
    • It stores the entire training sequence in the gates
  5. Что делает значение рядом с единицей для шлюза обновления GRU z?
    • Favor the new candidate state over the previous hidden state
    • Control how much past information is used in the reset-gated candidate
    • Decide when the sequence should stop processing
    • Carry most of the previous hidden state into the next state
  6. Почему шлюзование может помочь с долгосрочными зависимостями?
    • It gives the model a learned route to preserve or update hidden information across steps
    • It eliminates all recurrent computation
    • It guarantees perfect memory at any length
    • It turns a sequence into an unordered set
  7. What distinguishes a GRU candidate state from the prior hidden state?
    • It is always the ground-truth next token
    • It is computed from the current input and reset-gated past information
    • It is copied unchanged from the input
    • It stores a second LSTM cell
  8. What should be concluded from fewer GRU gates than LSTM gates?
    • GRUs always outperform LSTMs
    • GRUs cannot model sequences
    • The architecture is simpler in this respect, but task performance still needs evaluation
    • Fewer gates guarantee better accuracy