Bài kiểm tra có liên kết hướng dẫn · Cứng Cấp độ
Tinh chỉnh bài kiểm tra thì thầm
Lập kế hoạch điều chỉnh Whisper bằng cách sử dụng các cặp âm thanh-văn bản được căn chỉnh, phân chia loa rõ ràng, cân bằng kích thước mô hình và đánh giá mạnh mẽ khả năng quên.
Câu hỏi 1 của 8
Những thay đổi nào trong quá trình tinh chỉnh Whisper có giám sát?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Những thay đổi nào trong quá trình tinh chỉnh Whisper có giám sát?
- Chỉ bản ghi được giải mã mới được chỉnh sửa sau khi suy luận
- Chỉ có nhãn ngôn ngữ được thay đổi mà không cần đào tạo
- Trọng lượng mô hình được cập nhật bằng cách sử dụng các ví dụ văn bản và âm thanh được ghép nối
- Chỉ một danh sách cách viết tĩnh được thêm vào đầu ra
- Tại sao các phân đoạn âm thanh và bản ghi phải được căn chỉnh?
- Căn chỉnh đảm bảo việc sử dụng bộ nhớ GPU giống nhau cho mọi phân khúc
- Văn bản bị căn chỉnh sai hướng dẫn mô hình ánh xạ giọng nói thành văn bản không chính xác
- Lỗi căn chỉnh là vô hại nếu bản ghi chứa từ vựng miền
- Thời gian chính xác đảm bảo rằng mọi từ trong bản ghi đều chính xác
- Để đánh giá hiệu suất trên các loa không nhìn thấy khi mỗi loa đóng góp nhiều bản ghi âm, dữ liệu nên được phân vùng như thế nào?
- Phân chia ngẫu nhiên các cửa sổ chồng chéo từ mỗi loa
- Đặt mọi loa vào mọi phân vùng
- Chỉ sử dụng loa thử nghiệm trong quá trình đào tạo
- Nhóm theo người phát biểu trước khi tạo các phần tách đào tạo, xác thực và kiểm tra
- Bộ xác thực được giữ lại hỗ trợ gì trong quá trình tinh chỉnh?
- Các quyết định về điểm kiểm tra và siêu tham số
- Điều chỉnh không giới hạn, theo sau là điểm cuối cùng không thiên vị trên cùng bộ đó
- Cập nhật chuyển màu bằng cách sử dụng mọi nhãn được giữ lại
- Đảm bảo rằng phân phối triển khai cuối cùng sẽ không thay đổi
- Điều gì có thể khác nhau giữa hai báo cáo tỷ lệ lỗi từ?
- Chỉ số lượng tham số mô hình
- Chỉ có sự mất mát được quan sát trên tập huấn luyện
- Quy ước chuẩn hóa văn bản và mã thông báo
- Chỉ khi cả hai hệ thống sử dụng cùng một tên tokenizer
- Tại sao phải giám sát một tập hợp miền chung trong khi thích ứng với một miền hẹp?
- Dữ liệu chung luôn làm giảm độ chính xác của mục tiêu
- Việc điều chỉnh mục tiêu có thể làm giảm hiệu suất bên ngoài phân phối đào tạo của nó
- Bộ kiểm tra nên được sử dụng để cập nhật độ dốc
- Kích thước mô hình thay đổi tự động
- Bộ điều hợp cấp thấp có thể cung cấp những gì khi triển khai đã chọn hỗ trợ chúng?
- Đảm bảo WER thấp hơn ở mọi miền
- Tự động sửa các bản ghi bị dán nhãn sai
- Đảm bảo rằng không có hành vi miền chung nào có thể thay đổi
- Ít thông số có thể huấn luyện hơn trong quá trình thích ứng
- Tại sao phải so sánh việc tinh chỉnh với điều chỉnh giải mã hoặc hỗ trợ theo thuật ngữ miền?
- Đào tạo có thể tăng thêm chi phí khi những thay đổi đơn giản hơn giải quyết được vấn đề
- Các lựa chọn giải mã luôn thay đổi trọng số mô hình
- Tinh chỉnh không thể ảnh hưởng đến hành vi từ vựng
- Đường cơ sở làm cho nhãn thử nghiệm trở nên không cần thiết