40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
chatGTP
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس؛ آزمون پایانی (قسمت پنجم فصل چهارم)

آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس؛ آزمون پایانی (قسمت پنجم فصل چهارم)

فصل چهارم از دوره آموزشی پردازش زبان طبیعی با اکوسیستم هاگینگ فیس به پایان رسید و نوبت به آزمون پایانی رسید که در ادامه با سوالات آن مواجه خواهد شد. به زودی با فصل آینده این دوره آموزشی در خدمت شما خواهیم بود. اما ابتدا اندوخته‌های خود از این فصل را محک بزنید.

در پایان مطلب آزمون پایانی پاسخ سوالات منتشر شده است؛ اما توصیه ما این است که خوب به پاسخ سوالات فکر کرده و سعی کنید خودتان پاسخ درست را متوجه شوید و خیلی زود از پاسخنامه استفاده نکنید. به یاد داشته باشید که ممکن است در هر سوال بیش از یک گزینه پاسخ درست وجود داشته باشد. در پایان مطلب لینک دسترسی به قسمت‌ها و فصل‌های دیگر این دوره آموزشی هم قرار داده شده است.

۱- مدل‌های Hub به چه مواردی محدود شده‌اند؟

الف) مدل‌های کتابخانه ? Transformers

ب) همه مدل‌هایی که رابط کاربری شبیه به ? Transformers دارند

ج) هیچ محدودیتی وجود ندارد

د) مدل‌هایی که به نوعی به NLP مربوط هستند

۲- مدل‌های موجود در Hub چگونه مدیریت می‌شوند؟

الف) با حساب GCP

ب) با توزیع همتا به همتا peer-to-peer distribution

ج) با git و git-lfs

۳- چه کاری می‌توان با استفاده از رابط وب هاگینگ فیس هاب انجام داد؟

الف) فورک ریپوزیتوری موجود

ب) ایجاد ریپوزیتوری مدل جدید

ج) مدیریت و ویرایش فایل‌ها

د) بارگذاری فایل‌ها

ح) بررسی تفاوت‌های نسخه‌های مختلف

۴- کارت مدل چیست؟

الف) توصیف مدل؛ اهمیت آن کمتر از فایل‌های توکن‌کننده و مدل است

ب) روشی برای اطمینان حاصل کردن از تکرارپذیری، قابلیت استفاده مجدد و عدالت

ج) یک فایل پایتون که برای بازیابی اطلاعات درباره مدل اجرا می‌شود

۵- کدام یک از این اشیای کتابخانه ? Transformers به طور مستقیم با push_to_hub در Hub به اشتراک گذاشته می‌شوند؟

الف) توکن‌کننده

ب) پیکربندی مدل

ج) مدل

د) همه موارد

۶- اولین مرحله در استفاده از روش push_to_hub یا ابزارهای CLI چیست؟

الف) ورود به وب‌سایت

ب) اجرای ‘transformers-cli login’

ج) اجرای ‘notebook_login()’ در نوت‌بوک

۷- فرض کنید از یک مدل و توکن‌کننده استفاده می‌کنید. چطور می‌توانید آن را در Hub بارگذاری کنید؟

الف) با فراخوانی مستقیم روش push_to_hub در مدل و توکن‌کننده

ب) در زمان اجرای پایتون، با قرار دادن‌شان در huggingface_hub

ج) با ذخیره‌سازی آنها در دیسک و فراخوانیِ transformers-cli upload-model

۸- کدامیک از عملیات گیت را نمی توانید در کلاس ریپوزیتوری انجام دهید؟

الف) commit

ب) push

ج) pull

د) merge

پاسخنامه

۱- گزینه ج

توضیح: هیچ محدودیتی برای بارگذاری مدل‌ها در Hub وجود ندارد.

۲- گزینه ج

توضیح: مدل‌های Hub در زمره‌ی منابع ساده‌ی گیت قرار دارند و از git-lfs برای فایل‌های بزرگتر استفاده می‌کنند.

۳- گزینه‌های ب ج د ح

توضیح: در توضیح موارد صحیح باید در نظر داشت که البته کارهای دیگری هم می‌توانید انجام دهید.

۴- گزینه ب

توضیح: اشتراک‌گذاری اطلاعات مناسب در کارت مدل این فرصت را به کاربران می‌دهد تا از مدل‌تان استفاده کنند و از محدودیت‌ها و سوگیری‌های آن آگاهی داشته باشند.

۵- گزینه د

توضیح: PushToHubCallback  همه آن اشیاء را در طی آموزش به منبع ارسال خواهد کرد.

۶- گزینه‌های ب ج

توضیح: درباره گزینه ب مکان دانلود و نگهداری توکن های کاربر فراهم می شود و درباره گزینه ج امکان احراز هویت فراهم می‌شود.

۷- گزینه الف

۸- گزینه‌های الف ب ج

توضیح: در ریپوزیتوری امکان مرج وجود ندارد.

شما می‌توانید از طریق این لینک به دیگر قسمت‌های این دوره آموزشی دسترسی داشته باشید.

میانگین امتیاز / ۵. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]