Machine Learning / AI

Ինչպես հավաքել train/val/test բաժանումը և բենչմարկը: Ինչպես ճիշտ բաժանել տվյալները?

Պատմեք արտասանության գնահատման առաջադրանքի մասին՝ ինչպես մոտենալ մոդելի բարելավմանը, որը որոշում է ֆոնեմների և ձայնների արտասանության սխալները:

Նայեցին LR փոքր մեքենայի վրա, բեռի չափը 1000 անգամ աճեց cluster-ում: Պետք է փոխել LR?

Ի՞նչ անել, եթե թեստը արդեն օգտագործվել է և ցույց է տվել վատ արդյունք։

Երբ օգտագործել train, validation, test և benchmark?

Կան շատ հիպերպարամետրեր օպտիմիզատորի համար, 10000 փորձեր, քիչ ժամանակ բայց շատ ռեսուրսներ։ Որոնք են լավագույն համադրությունը գտնելու մոտեցումները։

Ի՞նչ է մտնում դասակարգիչը բացի աուդիո ներդրմանից։

Ինչպե՞ս ենք ուսուցանում ֆոնեմների դասակարգման մոդելը: Ի՞նչ է թիրախում:

Ի՞նչ դասակարգման խնդիր ենք լուծում ֆոնեմների արտասանության գնահատման ժամանակ։

Ի՞նչ գաղափարներ կարելի է փորձել ֆոնեմների ճշգրիտ հարթեցման համար։

Ինչպե՞ս գործնականում զգալ, որ թեստը սպառվել է կամ տեղի է ունեցել բաշխման փոփոխություն։

Երբ է պետք փոխել թեստը: Ինչպե՞ս տարբերել այն դեպքը, երբ թեստը հնացել է, և այն դեպքը, երբ թեստը սպառվել է բազմակի օգտագործումից հետո։

Եթե բեթչի չափը մեծ է, արդյոք գրադիենտը փոքր կլինի կամ մեծ?

Ինչպե՞ս կատարել պարտադիր հարմարվողականություն — որոշել, թե որ ֆոնեմը որ վայրկյանից մինչև որ վայրկյան է հնչում։

Ուսուցման արագությունը և խմբաքանակի չափը անկախ պարամետրեր են։ Կա՞ կապ նրանց միջև։

Ինչու՞ ռանդոմը ավելի լավ է, նույնիսկ 2D-ում՝ համեմատած ցանցի հետ:

Ինչպես նշել աուդիո տվյալները?

Ինչպե՞ս մոտենալ ձեր դոմենում ուսուցմանը: Ինչ անել ընդհանուր մոդելով?

Ինչպե՞ս ուսուցանել մոդելը: Seq-to-seq թանկ է, շատ հիպերպարամետրեր կան: Ինչպե՞ս անել դա:

Ինչպես մոտենալ մեկ բառի ֆոնեմների համապատասխանեցմանը: Ինչպես օգտագործել wav2vec2՝ ճշգրիտ ֆոնեմների սահմանները ստանալու համար: