Buckets:

|
download
raw
9.86 kB
# آزمون پایان فصل[[end-of-chapter-quiz]]
<CourseFloatingBanner
chapter={4}
classNames="absolute z-10 right-0 top-0"
/>
بیایید دانسته‌های خود را از این فصل امتحان کنیم!
### ۱. مدل‌های موجود در هاب به چه چیزی محدود هستند؟
<Question
choices={[
{
text: "مدل‌های کتابخانه‌ی 🤗 Transformers.",
explain: "اگرچه مدل‌های کتابخانه‌ی 🤗 Transformers در هاب هاگینگ‌فِیس پشتیبانی می‌شوند، تنها مدل‌های موجود در آن نیستند!"
},
{
text: "همه‌ی مدل‌هایی که رابطی مشابه 🤗 Transformers دارند.",
explain: "هنگام بارگذاری مدل‌ها در هاب هاگینگ‌فِیس هیچ الزام رابطی وجود ندارد."
},
{
text: "هیچ محدودیتی وجود ندارد.",
explain: "درست است! هنگام بارگذاری مدل‌ها در هاب هیچ محدودیتی وجود ندارد.",
correct: true
},
{
text: "مدل‌هایی که به شکلی با NLP مرتبط هستند.",
explain: "هیچ الزامی درباره‌ی حوزه‌ی کاربرد وجود ندارد!"
}
]}
/>
### ۲. چگونه می‌توانید مدل‌ها را در هاب مدیریت کنید؟
<Question
choices={[
{
text: "از طریق یک حساب GCP.",
explain: "نادرست!"
},
{
text: "از طریق توزیع همتا‌به‌همتا.",
explain: "نادرست!"
},
{
text: "از طریق git و git-lfs.",
explain: "درست است! مدل‌های موجود در هاب مخزن‌های ساده‌ی Git هستند و برای فایل‌های بزرگ از git-lfs استفاده می‌کنند.",
correct: true
}
]}
/>
### ۳. با استفاده از رابط وب هاب هاگینگ‌فِیس چه کارهایی می‌توانید انجام دهید؟
<Question
choices={[
{
text: "یک مخزن موجود را fork کنید.",
explain: "fork کردن مخزن در هاب هاگینگ‌فِیس ممکن نیست."
},
{
text: "یک مخزن مدل جدید ایجاد کنید.",
explain: "درست است! البته این تنها کاری نیست که می‌توانید انجام دهید.",
correct: true
},
{
text: "فایل‌ها را مدیریت و ویرایش کنید.",
explain: "درست است! این تنها پاسخ درست نیست.",
correct: true
},
{
text: "فایل‌ها را بارگذاری کنید.",
explain: "درست است! اما این همه‌ی کارهایی نیست که می‌توانید انجام دهید.",
correct: true
},
{
text: "تفاوت بین نسخه‌ها را ببینید.",
explain: "درست است! البته این تنها کاری نیست که می‌توانید انجام دهید.",
correct: true
}
]}
/>
### ۴. کارت مدل چیست؟
<Question
choices={[
{
text: "توضیحی کلی از مدل که بنابراین از فایل‌های مدل و توکِنایزر کم‌اهمیت‌تر است.",
explain: "کارت مدل واقعاً توضیحی از مدل است، اما بخش مهمی به شمار می‌رود: اگر ناقص باشد یا وجود نداشته باشد، کاربرد مدل به‌شدت کاهش پیدا می‌کند."
},
{
text: "راهی برای تضمین بازتولیدپذیری، استفاده‌ی مجدد و انصاف.",
explain: "درست است! به‌اشتراک‌گذاری اطلاعات درست در کارت مدل به کاربران کمک می‌کند از مدل شما استفاده کنند و از محدودیت‌ها و سوگیری‌های آن آگاه باشند.",
correct: true
},
{
text: "یک فایل پایتون که برای دریافت اطلاعات درباره‌ی مدل اجرا می‌شود.",
explain: "کارت‌های مدل فایل‌های ساده‌ی Markdown هستند."
}
]}
/>
### ۵. کدام‌یک از اشیای کتابخانه‌ی 🤗 Transformers را می‌توان مستقیماً با `push_to_hub()` در هاب به اشتراک گذاشت؟
{#if fw === 'pt'}
<Question
choices={[
{
text: "یک توکِنایزر",
explain: "درست است! همه‌ی توکِنایزرها متد push_to_hub را دارند و استفاده از آن همه‌ی فایل‌های توکِنایزر (واژگان، معماری توکِنایزر و غیره) را به یک مخزن مشخص push می‌کند. البته این تنها پاسخ درست نیست!",
correct: true
},
{
text: "پیکربندی یک مدل",
explain: "درست است! همه‌ی پیکربندی‌های مدل متد push_to_hub را دارند و استفاده از آن پیکربندی را به یک مخزن مشخص push می‌کند. چه چیز دیگری را می‌توان به اشتراک گذاشت؟",
correct: true
},
{
text: "یک مدل",
explain: "درست است! همه‌ی مدل‌ها متد push_to_hub را دارند و استفاده از آن مدل و فایل‌های پیکربندی آن را به یک مخزن مشخص push می‌کند. البته چیزهای دیگری هم می‌توان به اشتراک گذاشت!",
correct: true
},
{
text: "یک Trainer",
explain: "درست است — Trainer نیز متد push_to_hub را پیاده‌سازی می‌کند و استفاده از آن مدل، پیکربندی، توکِنایزر و پیش‌نویس کارت مدل را به یک مخزن مشخص بارگذاری می‌کند. پاسخ دیگری را امتحان کنید!",
correct: true
}
]}
/>
{:else}
<Question
choices={[
{
text: "یک توکِنایزر",
explain: "درست است! همه‌ی توکِنایزرها متد push_to_hub را دارند و استفاده از آن همه‌ی فایل‌های توکِنایزر (واژگان، معماری توکِنایزر و غیره) را به یک مخزن مشخص push می‌کند. البته این تنها پاسخ درست نیست!",
correct: true
},
{
text: "پیکربندی یک مدل",
explain: "درست است! همه‌ی پیکربندی‌های مدل متد push_to_hub را دارند و استفاده از آن پیکربندی را به یک مخزن مشخص push می‌کند. چه چیز دیگری را می‌توان به اشتراک گذاشت؟",
correct: true
},
{
text: "یک مدل",
explain: "درست است! همه‌ی مدل‌ها متد push_to_hub را دارند و استفاده از آن مدل و فایل‌های پیکربندی آن را به یک مخزن مشخص push می‌کند. البته چیزهای دیگری هم می‌توان به اشتراک گذاشت!",
correct: true
},
{
text: "همه‌ی موارد بالا با یک callback اختصاصی",
explain: "درست است — PushToHubCallback در طول تعلیم همه‌ی این اشیا را به‌طور منظم به یک مخزن ارسال می‌کند.",
correct: true
}
]}
/>
{/if}
### ۶. هنگام استفاده از متد `push_to_hub()` یا ابزارهای CLI، نخستین گام چیست؟
<Question
choices={[
{
text: "در وب‌سایت وارد شوید.",
explain: "این کار در ماشین محلی شما کمکی نمی‌کند."
},
{
text: "دستور 'huggingface-cli login' را در ترمینال اجرا کنید.",
explain: "درست است — این کار توکِن شخصی شما را بارگیری و cache می‌کند.",
correct: true
},
{
text: "دستور 'notebook_login()' را در یک نوت‌بوک اجرا کنید.",
explain: "درست است — این کار یک widget نمایش می‌دهد تا احراز هویت کنید.",
correct: true
},
]}
/>
### ۷. از یک مدل و یک توکِنایزر استفاده می‌کنید — چگونه می‌توانید آن‌ها را در هاب بارگذاری کنید؟
<Question
choices={[
{
text: "با فراخوانی مستقیم متد push_to_hub روی مدل و توکِنایزر.",
explain: "درست است!",
correct: true
},
{
text: "در محیط اجرای پایتون، با قرار دادن آن‌ها در یک ابزار huggingface_hub.",
explain: "مدل‌ها و توکِنایزرها از قبل از ابزارهای huggingface_hub بهره می‌برند؛ نیازی به قرار دادن آن‌ها در wrapper دیگری نیست!"
},
{
text: "با ذخیره‌کردن آن‌ها روی دیسک و فراخوانی transformers-cli upload-model.",
explain: "دستور upload-model وجود ندارد."
}
]}
/>
### ۸. با کلاس `Repository` کدام عملیات git را می‌توانید انجام دهید؟
<Question
choices={[
{
text: "یک commit.",
explain: "درست است؛ متد git_commit() برای همین کار وجود دارد.",
correct: true
},
{
text: "یک pull",
explain: "این کار هدف متد git_pull() است.",
correct: true
},
{
text: "یک push",
explain: "متد git_push() این کار را انجام می‌دهد.",
correct: true
},
{
text: "یک merge",
explain: "نه، این عملیات هرگز با این API ممکن نخواهد بود."
}
]}
/>

Xet Storage Details

Size:
9.86 kB
·
Xet hash:
98549daace64ad75e26383ba9bcf17596e0c307fa8e23fe1121ba39002caf857

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.