หน้านี้ได้รับการแปลโดย Cloud Translation API การฝัง: ทดสอบความรู้ของคุณ กลับไปที่เส้นทาง รายการใดต่อไปนี้เหมาะที่จะฝัง (เลือกได้มากกว่า 1 ข้อ) เลือกคำตอบได้มากเท่าที่คุณเห็นว่าเหมาะสม อุณหภูมิสูงสุดรายวันของโตเกียว ญี่ปุ่น ตั้งแต่ปี 1999-2024 ลำดับจีโนมของไวรัสที่เรียบง่าย ชุดข้อมูลขนาดใหญ่ของรูปภาพม้าที่มีความละเอียดสูง จำนวนบรรทัดโค้ดในโปรเจ็กต์ซอฟต์แวร์ขนาดใหญ่ คุณเข้ารหัสฐานข้อมูลรูปภาพขาวดําขนาด 100 x 100 พิกเซลของตัวเลขที่เขียนด้วยมือเป็นเวกเตอร์ที่แสดงถึงพิกเซลในรูปภาพ โดย 0 หมายถึงสีขาวและ 1 หมายถึงสีดํา หากคุณสร้างการฝังจากการเข้ารหัสนี้ การฝังจะมีมิติข้อมูลประมาณกี่มิติ มิติข้อมูล 10,000 รายการ มิติข้อมูลมากกว่า 10,000 รายการ มิติข้อมูลน้อยกว่า 10,000 รายการ ประโยชน์ข้อใดต่อไปนี้ของการใช้เวกเตอร์การฝังสําหรับข้อมูลฟีเจอร์มากกว่าเวกเตอร์ One-Hot ของข้อมูลเดียวกัน (เลือกได้มากกว่า 1 ข้อ) เลือกคำตอบได้มากเท่าที่คุณเห็นว่าเหมาะสม โมเดลที่ใช้เวกเตอร์การฝังจะมีน้ำหนักที่ต้องปรับน้อยลงในระหว่างการฝึก การฝึกโมเดลจะเร็วขึ้นและประหยัดกว่าเมื่อใช้เวกเตอร์การฝัง โมเดลที่ฝึกด้วยการฝังข้อมูลไม่จำเป็นต้องได้รับการประเมินด้วยชุดทดสอบ มิติข้อมูลของข้อมูลจะเพิ่มขึ้นเมื่อใช้เวกเตอร์การฝัง ซึ่งจะปรับปรุงประสิทธิภาพของโมเดล จริงหรือเท็จ: น้ำหนักที่มาจากชั้นที่ซ่อนอยู่ของเครือข่ายประสาทที่ผ่านการฝึกอบรมสามารถใช้เป็นการฝัง จริง เท็จ การแสดงผลตามบริบทแตกต่างจากการแสดงผลแบบคงที่อย่างไร (เลือกได้มากกว่า 1 ข้อ) เลือกคำตอบได้มากเท่าที่คุณเห็นว่าเหมาะสม การฝังตามบริบทจะเข้ารหัสข้อมูลตำแหน่ง ส่วนการฝังแบบคงที่จะไม่เข้ารหัส โทเค็น 1 รายการแสดงโดยการฝังแบบคงที่ 1 รายการ แต่อาจแสดงโดยการฝังตามบริบทหลายรายการ การฝังตามบริบทมีต้นทุนการประมวลผลต่ำกว่าเมื่อเทียบกับการฝังแบบคงที่ การฝังแบบคงที่ช่วยให้ดำเนินการทางคณิตศาสตร์ที่มีความหมายตามความหมายระหว่างเวกเตอร์ได้ในทุกกรณีการใช้งาน ขณะที่การฝังตามบริบทไม่สามารถทำได้ ส่งคำตอบ error_outline เกิดข้อผิดพลาดขณะให้คะแนนแบบทดสอบ โปรดลองอีกครั้ง
