Umieszczanie: test wiedzy | Google for Developers

Które z tych elementów nadają się do umieszczenia w ramce? (Zaznacz wszystkie pasujące odpowiedzi)

Wybierz tyle odpowiedzi, ile uważasz za stosowne.

Maksymalne temperatury w Tokio w Japonii w latach 1999–2024.

Sekwencje genomowe prostych wirusów.

duży zbiór danych zawierający zdjęcia koni w wysokiej rozdzielczości,

wiersze kodu w dużym projekcie oprogramowania.

Kodujesz bazę danych zawierającą czarno-białe obrazy o wymiarach 100 x 100 pikseli przedstawiające ręcznie pisane cyfry jako wektory reprezentujące piksele na obrazie: 0 dla białego i 1 dla czarnego. Jeśli na podstawie tego kodowania utworzysz wektoryzację, ile mniej więcej wymiarów będzie miała?

10 000 wymiarów

Ponad 10 tys. wymiarów

Mniej niż 10 000 wymiarów

Które z tych stwierdzeń odnoszące się do korzystania z wektorów zanurzonych w przypadku danych o cechach zamiast wektorów jednoelementowych tych samych danych są prawdziwe? (Zaznacz wszystkie pasujące odpowiedzi)

Wybierz tyle odpowiedzi, ile uważasz za stosowne.

Model korzystający z wektorów zastępczych będzie miał mniej wag do dostosowania podczas trenowania.

Trenowanie modelu będzie szybsze i tańsze, jeśli użyjesz wektorów embeddingu.

Model trenowany na podstawie wektorów zastępczych nie musi być oceniany na podstawie zestawu testowego.

Wymiar danych zwiększy się, gdy użyjesz wektorów zanurzonych, co poprawi wydajność modelu.

Prawda czy fałsz: wagi z ukrytej warstwy wytrenowanej sieci neuronowej można wykorzystać jako embedding.

Prawda

Fałsz

Czym różni się kontekstowe umieszczanie od stałego umieszczania? (Zaznacz wszystkie pasujące odpowiedzi)

Wybierz tyle odpowiedzi, ile uważasz za stosowne.

Ukryte reprezentacje kontekstowe kodują informacje o pozycji, a statyczne – nie.

Jeden token jest reprezentowany przez jeden statyczny embedding, ale może być reprezentowany przez wiele kontekstowych embeddingów.

W porównaniu ze statyczną reprezentacją kontekstową ma ona niższy koszt obliczeniowy.

Statyczne zanurzone umożliwiają semantycznie znaczące operacje matematyczne między wektorami we wszystkich przypadkach użycia, podczas gdy zanurzone kontekstowe nie.