بقایا ویکٹر کوانٹائزیشن کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. RVQ میں ہر یکے بعد دیگرے کوڈ بک کوانٹائز کیا جاتا ہے؟
   • پچھلے مراحل سے رہ جانے والی بقایا غلطی
   • شروع سے دوبارہ اصل ان پٹ
   • ایک مختلف آڈیو چینل
   • ڈیکوڈر کا آؤٹ پٹ
2. ایک بڑی کوڈ بک کے بجائے RVQ کیوں استعمال کریں؟
   • یہ کسی بھی تربیت کی ضرورت سے گریز کرتا ہے۔
   • یہ ایک بہت بڑی موثر کوڈ بک کو چھوٹی میں فیکٹرائز کرتا ہے، میموری اور کمپیوٹ کو بچاتا ہے۔
   • یہ انکوڈر کو مکمل طور پر ختم کر دیتا ہے۔
   • یہ صرف ٹیکسٹ ڈیٹا کے لیے کام کرتا ہے۔
3. RVQ کوڈز سے حتمی تعمیر نو کیسے کی جاتی ہے؟
   • صرف آخری کوڈ بک کا ویکٹر لے کر
   • شور کے ساتھ ان پٹ کا اوسط لگا کر
   • تمام مراحل سے منتخب ویکٹر کا خلاصہ کرکے
   • تمام کوڈ بک اندراجات کو ضرب دے کر
4. K اندراجات کے M مراحل کے ساتھ، RVQ کتنے مؤثر کوڈ امتزاج کی نمائندگی کرتا ہے؟
   • M اوقات K
   • ایم پلس کے
   • K کو M سے تقسیم کیا گیا۔
   • K سے طاقت M
5. RVQ کوڈ بکس کو تربیت دیتے وقت 'عزم کے نقصان' کا عام مقصد کیا ہے؟
   • انکوڈر آؤٹ پٹ کو ان کے منتخب کردہ کوڈ بک اندراجات کے قریب رکھنے کے لیے
   • آڈیو نمونہ کی شرح کو بڑھانے کے لئے
   • غیر استعمال شدہ آڈیو فریموں کو حذف کرنے کے لیے
   • کوڈز کو واپس متن میں تبدیل کرنے کے لیے
6. RVQ کس طرح ایک نیورل کوڈیک کو تخمینہ کے وقت اپنا بٹریٹ تبدیل کرنے دیتا ہے؟
   • صرف ایک مختلف نمونے کی شرح پر سوئچ کرکے
   • زیادہ یا کم کوانٹائزر مراحل کا استعمال کرکے
   • ہر بار پورے ماڈل کو دوبارہ تربیت دے کر
   • ڈیکوڈر کے وزن کو کمپریس کرکے
7. In RVQ training, what does commitment loss encourage?
   • Each codebook to contain a different number of entries
   • The decoder to output longer audio
   • The encoder output to stay close to the selected codebook vector
   • The residual to increase at every quantization stage
8. How are codebook vectors commonly updated in the guide’s RVQ description?
   • By sorting the codebook alphabetically
   • By replacing the codebook with a recurrent network
   • By adding the residual directly to every code index
   • With exponential moving averages of encoder assignments