이 페이지는 Cloud Translation API를 통해 번역되었습니다. 임베딩: 지식 테스트 경로로 돌아가기 다음 중 삽입에 적합한 항목은 무엇인가요? 해당되는 항목을 모두 선택해 주세요. 적절한 답변을 모두 선택합니다. 1999~2024년 일본 도쿄의 일일 최고 기온입니다. 단순 바이러스의 게놈 시퀀스 말의 고화질 사진으로 구성된 대규모 데이터 세트입니다. 대규모 소프트웨어 프로젝트의 코드 줄 수입니다. 필기 숫자의 100x100픽셀 흑백 이미지 데이터베이스를 이미지의 픽셀을 나타내는 벡터(흰색은 0, 검은색은 1)로 인코딩합니다. 이 인코딩으로 임베딩을 만들면 임베딩의 대략적인 차원은 몇 개인가요? 측정기준 10,000개 측정기준 10,000개 초과 측정기준 10,000개 미만 다음 중 동일한 데이터의 원-핫 벡터 대신 특성 데이터에 임베딩 벡터를 사용하는 이점은 무엇인가요? 해당되는 항목을 모두 선택해 주세요. 적절한 답변을 모두 선택합니다. 임베딩 벡터를 사용하는 모델은 학습 중에 조정해야 할 가중치가 적습니다. 임베딩 벡터를 사용하면 모델을 더 빠르고 저렴하게 학습할 수 있습니다. 임베딩으로 학습된 모델은 테스트 세트로 평가할 필요가 없습니다. 임베딩 벡터를 사용하면 데이터의 차원이 증가하여 모델 성능이 개선됩니다. 참 또는 거짓: 학습된 신경망의 숨겨진 레이어에서 가져온 가중치를 임베딩으로 사용할 수 있습니다. 참 거짓 문맥 임베딩은 정적 임베딩과 어떻게 다른가요? 해당되는 항목을 모두 선택해 주세요. 적절한 답변을 모두 선택합니다. 문맥 임베딩은 위치 정보를 인코딩하지만 정적 임베딩은 그렇지 않습니다. 하나의 토큰은 하나의 정적 임베딩으로 표현되지만 여러 문맥 임베딩으로 표현될 수 있습니다. 문맥 임베딩은 정적 임베딩에 비해 계산 비용이 적습니다. 정적 임베딩은 모든 사용 사례에서 벡터 간에 의미상 유의미한 수학적 연산을 허용하지만 문맥 임베딩은 허용하지 않습니다. 답변 제출 error_outline 퀴즈를 채점하는 중에 오류가 발생했습니다. 다시 시도해 주세요.
