WaveNet Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. WaveNet nasıl ses üretir?
   • Önceki numunelere göre şartlandırılmış bir seferde bir ham numune
   • Sabit bir kitaplıktan klipler seçerek
   • Spektrogramları doğrudan metne dönüştürerek
   • Tüm numuneler sipariş vermeden aynı anda
2. WaveNet'teki temel evrişimsel yenilik nedir?
   • Maksimum havuzlama katmanları
   • Genişlemiş nedensel kıvrımlar
   • Yalnızca tekrarlanan kapılar
   • Tamamen bağlı katmanlar
3. How did the original WaveNet represent quantized waveform samples for prediction?
   • As a single continuous average for the entire clip
   • As speaker IDs only
   • As a categorical distribution over 256 µ-law-quantized values
   • As a sequence of image patches
4. Orijinal WaveNet'in en büyük pratik dezavantajı neydi?
   • Sadece sessizlik yaratabilirdi
   • Hiçbir eğitim verisi gerektirmedi
   • Sadece görsellerde işe yaradı
   • Sıralı örnekleme nesli yavaşlattı
5. In the speech-synthesis experiments described in the WaveNet paper, what does the model generate?
   • Raw speech waveforms sample by sample, conditioned on linguistic features
   • A mel-spectrogram that is itself the final audio
   • Only phoneme labels without audio
   • A MIDI score
6. WaveNet'i hangi kuruluş tanıttı?
   • NASA
   • DeepMind
   • OpenAI
   • Adobe
7. What does causal convolution prevent in WaveNet?
   • Using preceding samples as context
   • Generating any audio waveform
   • 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