引導式測驗 · 中等 等級
符合者架構測驗
了解 Conformer 如何將語音的捲積和自註意力結合起來,包括其模組設計和報告的基準結果。
問題 1 的 8
Conformer 架構將哪兩種機制組合在一個區塊中?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- Conformer 架構將哪兩種機制組合在一個區塊中?
- 卷積和自註意力
- 循環和池化
- 決策樹和聚類
- 波束搜尋和標記化
- 為什麼將卷積和注意力結合對於語音特別有用?
- 注意力處理局部音素細節,而卷積處理全局上下文
- 卷積捕捉局部模式,而自註意力捕捉遠端上下文
- 兩者只對影像重要,對音訊無關
- 兩者都沒有幫助;純粹是為了速度
- Conformer 塊的「馬卡龍」或三明治結構是什麼?
- 一個卷積周圍有兩個注意力層
- 僅單一前饋層
- 兩個半步前饋模組之間包含注意力和卷積
- 卷積堆疊在卷積之上
- 哪個組織在哪一年推出了 Conformer?
- 2018 年OpenAI
- 2015 年Meta
- 2012 年Microsoft
- 2020 年Google
- Conformer 內部的捲積模組通常包含什麼?
- 逐點卷積、GLU、深度卷積、歸一化和 Swish 激活
- 只有一個全連接層
- 循環 LSTM 單元
- 隨機森林分類器
- On LibriSpeech test-clean/test-other, what WER did the original Conformer paper report with an external language model?
- 2.1% / 4.3%
- 1.9% / 3.9%
- 9.1% / 9.3%
- 0.1% / 0.3%
- What positional information does the Conformer paper add to attention?
- A geographic GPS coordinate for every speech frame
- A fixed class label for each utterance
- Relative positional encoding
- A separate video frame index
- What word error rates did the Conformer paper report without an external language model on LibriSpeech test/test-other?
- 20.1% / 40.3%
- 0.1% / 0.3%
- 12.1% / 14.3%
- 2.1% / 4.3%