แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการแยก RNN แบบสองเส้นทาง
ตรวจสอบส่วนที่ซ้อนทับกันของ DPRNN, การวนซ้ำภายในและระหว่างส่วน, การสร้างใหม่แบบ overlap-add และผลลัพธ์ในขอบเขตการทดสอบประสิทธิภาพ
คำถาม 1 ของ 8
Dual-Path RNN แก้ปัญหาอะไรเป็นหลัก
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- Dual-Path RNN แก้ปัญหาอะไรเป็นหลัก
- การสร้างโมเดลลำดับเสียงที่ยาวมากจนล้น RNN เดียว
- การสร้างเพลงใหม่จากข้อความ
- การบีบอัดไฟล์เสียงเพื่อการจัดเก็บ
- การตรวจจับภาษาที่กำลังพูด
- 'เส้นทาง' สองเส้นทางใน Dual-Path RNN คืออะไร
- ตัวเข้ารหัสและตัวถอดรหัส
- การเกิดซ้ำภายในกลุ่ม (ท้องถิ่น) และระหว่างกลุ่ม (ทั่วโลก)
- การเล่นเสียงไปข้างหน้าและข้างหลัง
- เส้นทางการฝึกอบรมและการอนุมาน
- ลำดับคุณลักษณะแบบยาวถูกจัดเตรียมก่อนบล็อกแบบดูอัลพาธอย่างไร
- มันถูกแปลงเป็นเวกเตอร์เฉลี่ยเดียว
- มันกลายเป็นโทเค็นข้อความ
- มันถูกแบ่งออกเป็นส่วนสั้นๆ ที่ทับซ้อนกันสร้างเป็นตาราง 2 มิติ
- มันถูกลดขนาดลงเหลือเพียงตัวอย่างเดียว
- DPRNN หลุดไปอยู่ในกรอบงานที่มีอยู่ใดในการแทนที่ตัวคั่น
- แบบจำลองการแพร่กระจายของภาพ
- ตัวถอดรหัสคำพูดเป็นข้อความเท่านั้น
- ตัวแปลงเสียงที่ใช้ GAN
- เฟรมเวิร์กตัวเข้ารหัส/ตัวถอดรหัส Conv-TasNet
- รุ่นหลังใดที่ยังคงใช้โครงสร้างแบบดูอัลพาธของ DPRNN แต่แทนที่ RNN ด้วย Transformers
- ก.ย.อดีต
- เวฟเน็ต
- เบิร์ต
- ทาโคตรอน
- เหตุใดการประมวลผลเป็นชิ้นจึงช่วยให้การฝึกมีเสถียรภาพ
- โดยไม่จำเป็นต้องมีฟังก์ชันการสูญเสียใดๆ อีกต่อไป
- RNN แต่ละรายการจะเห็นเฉพาะลำดับย่อยสั้นๆ เท่านั้น โดยหลีกเลี่ยงแบ็คโพรปที่ยาวมาก
- โดยจะกำจัดลำโพงที่ทับซ้อนกันทั้งหมดโดยอัตโนมัติ
- มันแปลงเสียงเป็นภาพ
- 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
- On which benchmark did the DPRNN paper report its 20-times-smaller model comparison?
- MUSDB18
- อิมเมจเน็ต
- LibriTTS
- WSJ0-2mix