705件中 1〜20件を表示 (1ページ最大20件)
| ID | 問題 | 章 | 論点 | 種類 | 有効 | |
|---|---|---|---|---|---|---|
| #705 | token単位の平均負の対数尤度をLとすると、perplexityは? | リカレントニューラルネットワーク | 言語モデル | 数式 | ○ | 編集 |
| #704 | top-k samplingとtop-p samplingの候補集合の違いは? | リカレントニューラルネットワーク | 系列生成 | 選択肢消去 | ○ | 編集 |
| #703 | softmax temperature τを1未満にすると生成分布はどうなる? | リカレントニューラルネットワーク | 系列生成 | 数式 | ○ | 編集 |
| #702 | 対数確率の単純和でbeam候補を比較すると短い系列へ偏りやすいのはなぜ? | リカレントニューラルネットワーク | 探索・デコーディング | 選択肢消去 | ○ | 編集 |
| #701 | beam widthを1にしたbeam searchは何に相当する? | リカレントニューラルネットワーク | 探索・デコーディング | 数式 | ○ | 編集 |
| #700 | greedy decodingとbeam searchの違いは? | リカレントニューラルネットワーク | 探索・デコーディング | 選択肢消去 | ○ | 編集 |
| #699 | 自己回帰decoderが系列yの条件付き確率を分解する式は? | リカレントニューラルネットワーク | 系列生成 | 数式 | ○ | 編集 |
| #698 | CTC prefix beam searchがgreedy decodingより広く探索するものは? | リカレントニューラルネットワーク | CTC | 即答 | ○ | 編集 |
| #697 | CTCのgreedy decodingの基本手順は? | リカレントニューラルネットワーク | CTC | 数式 | ○ | 編集 |
| #696 | CTCのtarget系列にblankラベル自体を含めてよい? | リカレントニューラルネットワーク | CTC | 選択肢消去 | ○ | 編集 |
| #695 | PyTorch CTCLossでreduction='mean'の平均方法は? | リカレントニューラルネットワーク | CTC | PyTorch対応 | ○ | 編集 |
| #694 | PyTorch CTCLossのzero_infinity=Trueは何をする? | リカレントニューラルネットワーク | CTC | PyTorch対応 | ○ | 編集 |
| #693 | CTCLossのtarget_lengthsは何を表す? | リカレントニューラルネットワーク | CTC | 数式 | ○ | 編集 |
| #692 | CTCLossのinput_lengthsは何を表す? | リカレントニューラルネットワーク | CTC | 数式 | ○ | 編集 |
| #691 | PyTorch nn.CTCLossの既定blankクラスindexは? | リカレントニューラルネットワーク | CTC | PyTorch対応 | ○ | 編集 |
| #690 | PyTorch CTCLossへraw logitsをそのまま渡してよい? | リカレントニューラルネットワーク | CTC | PyTorch対応 | ○ | 編集 |
| #689 | PyTorch CTCLossのtargetsで利用できる2つの配置形式は? | リカレントニューラルネットワーク | テンソルshape | PyTorch対応 | ○ | 編集 |
| #688 | PyTorch CTCLossへ渡すlog_probsのbatched shapeは? | リカレントニューラルネットワーク | テンソルshape | PyTorch対応 | ○ | 編集 |
| #687 | CTCの全alignment pathを素朴に列挙せず確率を求める代表的な方法は? | リカレントニューラルネットワーク | CTC | 即答 | ○ | 編集 |
| #686 | 標準CTCが入力xを条件に仮定する出力時刻間の関係は? | リカレントニューラルネットワーク | CTC | 選択肢消去 | ○ | 編集 |