Викторина, связанная с руководством · Средний Уровень

Викторина WaveNet

Обзор авторегрессионной генерации сигналов WaveNet, причинно-следственных расширенных сверток и причин, по которым первоначальный процесс выборки был медленным.

Связанные направляющие путиВейвнет
Вопрос 1 из 8

Как WaveNet генерирует звук?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Как WaveNet генерирует звук?
    • По одному необработанному образцу за раз, с учетом предыдущих образцов
    • Путем выбора клипов из фиксированной библиотеки
    • Путем преобразования спектрограмм непосредственно в текст
    • Все образцы одновременно, без заказа
  2. Какова ключевая сверточная инновация в WaveNet?
    • Максимальное количество слоев пула
    • Расширенные причинные извилины
    • Только повторяющиеся ворота
    • Полностью связанные слои
  3. Как исходная WaveNet представляла квантованные образцы сигналов для прогнозирования?
    • Как единое непрерывное среднее значение для всего клипа
    • Только как идентификаторы докладчиков
    • Как категориальное распределение по 256 значениям, квантованным по закону µ.
    • Как последовательность патчей изображения
  4. В чем заключался главный практический недостаток оригинальной версии WaveNet?
    • Это могло вызвать только тишину
    • Это не требовало никаких обучающих данных
    • Работало только с изображениями
    • Последовательная выборка замедляла генерацию
  5. Что генерирует модель в экспериментах по синтезу речи, описанных в статье WaveNet?
    • Необработанные речевые сигналы, выборка за выборкой, в зависимости от лингвистических особенностей.
    • Мел-спектрограмма, которая сама по себе является финальным аудио.
    • Только метки фонем без звука
    • MIDI-партитура
  6. Какая организация представила WaveNet?
    • НАСА
    • DeepMind
    • OpenAI
    • Adobe
  7. Что предотвращает причинная свертка в WaveNet?
    • Использование предыдущих примеров в качестве контекста
    • Генерация любой звуковой волны
    • Using future audio samples to predict the current sample
    • Conditioning on text or speaker features
  8. What activation structure does the original WaveNet use in its gated convolutional layers?
    • A ReLU output concatenated with image patches
    • A softmax over speakers only
    • A linear layer without nonlinearities
    • A tanh-filter output multiplied elementwise by a sigmoid gate