Bài kiểm tra có liên kết hướng dẫn · Cứng Cấp độ

Bài kiểm tra đào tạo về hoán vị bất biến

Kiểm tra cách đào tạo bất biến hoán vị xử lý các đầu ra của người nói không có thứ tự và tại sao việc chỉ định cấp độ phát âm lại quan trọng trong quá trình tách nhiều người nói.

Đường dẫn hướng dẫn liên quanHuấn luyện bất biến hoán vị
Câu hỏi 1 của 8

Huấn luyện bất biến hoán vị (PIT) giải quyết vấn đề cốt lõi nào?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Huấn luyện bất biến hoán vị (PIT) giải quyết vấn đề cốt lõi nào?
    • Quyết định kênh đầu ra nào sẽ tương ứng với loa nào trong quá trình đào tạo
    • Nén âm thanh để lưu trữ
    • Giảm chi phí phần cứng micro
    • Dịch lời nói riêng biệt thành văn bản
  2. PIT quyết định sử dụng lỗi nào khi cập nhật mô hình?
    • Nó tính trung bình lỗi trên tất cả các đầu ra như nhau
    • Nó thử mọi ghép nối đầu ra với nguồn và giữ cái có lỗi thấp nhất
    • Nó luôn gán giọng nói to nhất cho đầu ra 1
    • Nó bỏ qua các tài liệu tham khảo hoàn toàn
  3. Nếu không có giải pháp như PIT, điều gì sẽ xảy ra với các kết quả đầu ra của mô hình phân tách?
    • Họ trở nên hoàn toàn sạch sẽ ngay lập tức
    • Họ chạy nhanh hơn nhiều
    • Chúng tạo ra kết quả đầu ra trung bình, mờ do việc gán nhãn xung đột nhau
    • Họ không yêu cầu dữ liệu đào tạo
  4. Để tách N người nói, PIT phải xem xét bao nhiêu hoán vị trong mỗi bước?
    • N (tuyến tính trong loa)
    • N bình phương
    • Luôn luôn đúng hai
    • N giai thừa
  5. PIT cấp độ cách nói (uPIT) mang lại lợi ích gì so với việc gán cấp độ khung hình?
    • Nó giữ cho loa ở kênh đầu ra ổn định trong toàn bộ câu nói
    • Nó loại bỏ sự cần thiết của bất kỳ tài liệu tham khảo
    • Nó chỉ hoạt động trên âm nhạc, không phải lời nói
    • Nó tăng gấp đôi số lượng loa
  6. Cách tiếp cận nào có thể giải quyết hoàn toàn vấn đề hoán vị?
    • Tăng tốc độ bit âm thanh
    • Trích xuất loa mục tiêu dựa trên tín hiệu giọng nói tham chiếu
    • Chỉ sử dụng bản ghi âm đơn âm
    • Vô hiệu hóa lan truyền ngược
  7. What extra inference step does utterance-level PIT avoid compared with frame-level PIT?
    • Running speech recognition before source separation
    • Estimating the number of microphones in the recording
    • Solving an additional output-speaker permutation problem during inference
    • Recomputing the training loss after every generated word
  8. Which benchmark does the guide name as an example for evaluating speech-separation models?
    • LibriSpeech for single-speaker transcription
    • ImageNet for visual recognition
    • GLUE for language understanding
    • WSJ0-2mix for overlapping-speaker separation