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。

相關引導路徑符合者架構
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。

  1. 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
  2. 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
  3. 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
  4. 哪個組織在哪一年推出了 Conformer?
    • 2018 年OpenAI
    • 2015 年Meta
    • 2012 年Microsoft
    • 2020 年Google
  5. 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
  6. 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%
  7. 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
  8. 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%