# End-of-chapter quiz

Let's test what you learned in this chapter!

### 1.下列哪個任務可以被框定為令牌分類問題？

### 2.令牌分類預處理的哪一部分與其他預處理管道不同？
-100  作為我們希望在丟失時忽略的令牌的標籤。"
		},
		{
			text: "因為互聯網上有大量的文本",
			explain: "的確如此! 但這並不是唯一的區別。",
			correct: true
		}
	]}
/>

### 3.當我們對標記分類問題中的單詞進行標記並希望標記時，會出現什麼問題？
-100  標記為  ，以便在丟失時忽略它們。"
		},
		{
			text: "每個單詞可以產生幾個標記，所以我們最終得到的標記比標籤多。",
			explain: "這是主要的問題，我們需要將原始標籤與標記對齊。",
			correct: true
		},
		{
			text: "因為目標是按順序排列的文本問題",
			explain: "這是不正確的; 我們需要儘可能多的標籤，否則我們的模型就會出錯。"
		}
	]}
/>

### 4.“領域適應”是什麼意思？

### 5.掩碼語言建模問題中的標籤是什麼？

### 6.這些任務中的哪一個可以看作是一個順序到順序的問題？
-100  來標記特殊標記。",
			explain: "這絕對是一個從序列到序列的問題。你能發現另一個嗎？",
            correct: true
		},
        {
			text: "修正我侄子/朋友發來的信息，使它們用正確的英語",
			explain: "這是一種翻譯問題，所以肯定是一個順序到順序的任務。但這不是唯一正確的答案！",
			correct: true
		}
	]}
/>

### 7.對於序列到序列的問題，預處理數據的正確方法是什麼？
 input = ...  和  target = ...  。",
			explain: "這可能是我們將來添加的一個 API，但現在不可能。"
		},
		{
			text: "輸入和目標都必須在對標記器的兩個獨立調用中進行預處理。",
			explain: "不，這是在訓練一個模型; 這裡沒有適應性。"
		},
		{
			text: "因為我們在訓練之後計算度量",
			explain: "不是在序列分類問題; 目標也是文本，我們需要轉換成數字！"
		},
        {
			text: "輸入必須發送到標記器，目標也是如此，但需要使用特殊的上下文管理器。",
			explain: "沒錯，標記器需要由上下文管理器放入目標模式。",
			correct: true
		}
	]}
/>

{#if fw === 'pt'}

### 8.為什麼序列到序列問題有一個特定的“培訓者”子類？
-100  的標籤",
			explain: "這根本不是習慣性的損失，而是損失總是通過計算得到的。"
		},
		{
			text: "當您擁有大量可用數據時，即使有一個經過預先訓練的模型可以處理這些數據",
			explain: "沒錯。 Sequence-to-sequence models' predictions are often run using the generate() method.",
			correct: true
		},
		{
			text: "文本是作為單詞給出的，所以我們只需要應用子詞的標記。",
			explain: " Trainer  並不關心這些，因為它們以前已經被預處理過。"
		},
        {
			text: "因為我們在序列到序列問題中使用了兩個模型",
			explain: "我們確實在某種程度上使用了兩種模型，編碼器和解碼器，但是它們被組合在一個模型中。"
		}
	]}
/>

{:else}

### 9.為什麼在 Transformer 模型上調用“ compile ()”時通常不需要指定損失？
 input = ...  和  target = ...  。",
			explain: "沒錯！",
			correct: true
		},
		{
			text: "因為我們在訓練之後計算指標",
			explain: "這可以被定義為一個從序列到序列的問題，儘管這不是唯一正確的答案。"
		},
        {
			text: "因為損失是在“ model.fit ()”中指定的",
			explain: "不，損失函數在運行‘ model.com pile ()’時是固定的，不能在‘ model.fit ()’中更改。"
		}
	]}
/>

{/if}

### 10.你應該在什麼時候預先訓練一個新的模型？

### 11.為什麼在大量的文本上預先訓練一個語言模型是很容易的呢？

### 12.問答任務的預處理數據時，主要的挑戰是什麼？

### 13.問題回答中的後處理通常是怎樣進行的？