Buckets:
آزمون پایان فصل[[end-of-chapter-quiz]]
بیایید آنچه را که در این فصل یاد گرفتید آزمایش کنیم!
1. به چه ترتیبی باید ردیابی پایتون را بخوانید؟
<Question choices={[ { text: "از بالا به پایین", explain: "دوباره امتحان کنید -- اگرچه اکثر زبان های برنامه نویسی دیگر استثنا را در بالا چاپ می کنند، پایتون از این نظر خاص است." }, { text: "از پایین به بالا", explain: "درسته! یکی از مزیتهای ردیابی پایتون که استثنا را در پایین نشان میدهد این است که وقتی در ترمینال کار میکنید، اشکال زدایی آسانتر است و این آخرین خطی است که میبینید.", correct: true } ]} />
2. نمونه حداقل تکرارپذیر چیست؟
<Question choices={[ { text: "اجرای ساده معماری ترنسفورمر از یک مقاله تحقیقاتی", explain: "اگرچه پیادهسازی مدلهای ترنسفورمر خود از ابتدا بسیار آموزشی است، اما این چیزی نیست که در اینجا در مورد آن صحبت میکنیم." }, { text: "یک بلوک فشرده و مستقل از کد که می تواند بدون هیچ گونه وابستگی خارجی به فایل ها یا داده های خصوصی اجرا شود.", explain: "درسته! حداقل نمونههای تکرارپذیر به نگهبانان کتابخانه کمک میکنند تا مشکلی که شما دارید را بازتولید کنند تا بتوانند راهحلها را سریعتر بیابند.", correct: true }, { text: "تصویری از ردیابی پایتون", explain: "دوباره امتحان کنید -- اگرچه وسوسه انگیز است که هنگام ثبت یک مشکل، یک اسکرین شات از خطایی که با آن روبرو هستید اضافه کنید، این کار بازتولید خطا را برای دیگران بسیار دشوار می کند." }, { text: "دفترچه ای که شامل کل تجزیه و تحلیل شما، از جمله بخش های غیر مرتبط با خطا است", explain: "نه کاملاً -- اگرچه اشتراکگذاری نوتبوک Google Colab که خطا را نشان میدهد میتواند مفید باشد، مطمئن شوید که کوتاه است و فقط حاوی کد مربوطه است." } ]} />
۳. فرض کنید سعی میکنید کد زیر را اجرا کنید که با خطا مواجه میشود:
from transformers import GPT3ForSequenceClassification
# ImportError: cannot import name 'GPT3ForSequenceClassification' from 'transformers' (/Users/lewtun/miniconda3/envs/huggingface/lib/python3.8/site-packages/transformers/__init__.py)
# ---------------------------------------------------------------------------
# ImportError Traceback (most recent call last)
# /var/folders/28/k4cy5q7s2hs92xq7_h89_vgm0000gn/T/ipykernel_30848/333858878.py in <module>
# ----> 1 from transformers import GPT3ForSequenceClassification
# ImportError: cannot import name 'GPT3ForSequenceClassification' from 'transformers' (/Users/lewtun/miniconda3/envs/huggingface/lib/python3.8/site-packages/transformers/__init__.py)
کدام یک از موارد زیر میتواند انتخاب خوبی برای عنوان یک موضوع انجمن برای درخواست کمک باشد؟
<Question choices={[ { text: "ImportError: cannot import name 'GPT3ForSequenceClassification' from 'transformers' (/Users/lewtun/miniconda3/envs/huggingface/lib/python3.8/site-packages/transformers/__init__.py)", explain: "گنجاندن آخرین خط traceback میتواند توصیفی باشد، اما بهتر است آن را در متن اصلی موضوع بیاورید. دوباره امتحان کنید!" }, { text: "مشکل با from transformers import GPT3ForSequenceClassification", explain: "دوباره امتحان کنید -- اگرچه این اطلاعات مفیدی را ارائه می دهد، اما احتمالاً بهتر است برای قسمت اصلی متن رزرو شود.", }, { text: "چرا نمی توانم GPT3ForSequenceClassification را وارد کنم؟", explain: "انتخاب خوب! این عنوان مختصر است و به خواننده سرنخی در مورد آنچه ممکن است اشتباه باشد (یعنی GPT-3 در 🤗 ترنسفورمرها پشتیبانی نمی شود) می دهد.", correct: true }, { text: "آیا GPT-3 در 🤗 ترنسفورمرها پشتیبانی می شود؟", explain: "عالی بود! استفاده از پرسش بهعنوان عنوان موضوع راهی عالی برای انتقال مشکل به جامعه است.", correct: true } ]} />
4. فرض کنید سعی کرده اید trainer.train() را اجرا کنید و با یک خطای مرموز مواجه شده اید که دقیقاً به شما نمی گوید که خطا از کجا می آید. کدام یک از موارد زیر اولین جایی است که باید به دنبال خطا در خط لوله آموزشی خود باشید؟
<Question choices={[ { text: "مرحله بهینه سازی که در آن گرادیان ها را محاسبه می کنیم و پس انتشار را انجام می دهیم", explain: "اگرچه ممکن است اشکالاتی در بهینه ساز شما وجود داشته باشد، این معمولاً چندین مرحله در خط لوله آموزشی است، بنابراین موارد دیگری وجود دارد که ابتدا باید بررسی کنید. دوباره امتحان کنید!" }, { text: "مرحله ارزیابی که در آن متریک ها را محاسبه می کنیم", explain: "ارزشیابی معمولاً کاری است که بعد از آموزش برای یک دوره کامل انجام می دهید، بنابراین ابتدا باید جایی را در مراحل اولیه آموزش بررسی کنید.", }, { text: "دیتاسِتها", explain: "درسته! نگاه کردن به داده های خود تقریباً همیشه اولین کاری است که باید انجام دهید، تا مطمئن شوید متن به درستی کدگذاری شده است، ویژگی های مورد انتظار را دارد و غیره.", correct: true }, { text: "دیتالودرها", explain: "دوباره امتحان کنید -- این بسیار نزدیک به اولین چیزی است که باید بررسی کنید. آیا یادتان هست چه شیئی را به دیتالودرها ارسال می کنیم؟" } ]} />
5. بهترین راه برای رفع اشکال خطای CUDA چیست؟
<Question choices={[ { text: "پیام خطا را در انجمن ها یا گیتهاب ارسال کنید.", explain: "این به هیچکس کمک نمیکند زیرا پیامهای خطای CUDA معمولاً بسیار بیاطلاع هستند." }, { text: "همان کد را روی CPU اجرا کنید.", explain: "دقیقاً؛ این کار باید پیام خطای بهتری به شما بدهد!", correct: true }, { text: "ردیابی را بخوانید تا بفهمید چه چیزی باعث این خطا شده است.", explain: "این همان کاری است که شما برای هر خطای دیگری انجام می دهید، اما خطاهای CUDA معمولاً در جایی که اتفاق افتاده مطرح نمی شوند زیرا اکثر عملیات CUDA ناهمزمان هستند." }, { text: "اندازهی دسته را کاهش دهید.", explain: "کاهش اندازه دسته معمولا یک استراتژی خوب برای رسیدگی به خطاهای CUDA خارج از حافظه است، اما نه برای این مشکل خاص. دوباره امتحان کنید!" }, { text: "هسته Jupyter را مجددا راه اندازی کنید.", explain: "دوباره امتحان کنید -- با راه اندازی مجدد هسته، خطا به طور جادویی از بین نمی رود!", } ]} />
۶. بهترین راه برای رفع مشکل در گیتهاب چیست؟
<Question choices={[ { text: "یک مثال کامل و قابلبازتولید از باگ ارسال کنید.", explain: "بله، این بهترین راه برای کمک به نگهدارندگان برای پیدا کردن باگ شماست. چه کار دیگری باید انجام دهید؟", correct: true }, { text: "هر روز برای به روز رسانی بخواهید.", explain: "بعید است که از شما کمکی دریافت کند. مردم احتمالا بیشتر شما را نادیده می گیرند.", }, { text: "کد منبع اطراف باگ را بررسی کنید و سعی کنید دلیل وقوع آن را پیدا کنید. نتایج را در شماره ارسال کنید.", explain: "این قطعا به نگهبانان کمک خواهد کرد! و اگر منبع اشکال و رفع آن را پیدا کردید، حتی می توانید یک درخواست کشش را باز کنید. چه کار دیگری باید انجام دهید؟", correct: true } ]} />
7. چرا تطبیق بیش از حد روی یک دسته معمولاً یک تکنیک اشکال زدایی خوب است؟
<Question choices={[ { text: "این روش بد نیست؛ بیشبرازش همیشه بد نیست و باید از آن اجتناب کرد.", explain: "هنگامی که کل مجموعه داده را آموزش می دهید، تطبیق بیش از حد می تواند نشانه آن باشد که مدل شما به خوبی به نمونه های جدید تعمیم نمی یابد. اما برای اشکالزدایی، ما معمولاً کل مجموعه داده را آموزش نمیدهیم. دوباره امتحان کنید!" }, { text: "این به ما اجازه می دهد تا بررسی کنیم که مدل قادر است ضرر را به صفر کاهش دهد.", explain: "درسته! با یک دسته کوچک با حداقل دو مثال، می توانیم به سرعت بررسی کنیم که آیا مدل قادر به یادگیری است یا خیر.", correct: true }, { text: "این به ما امکان میدهد تأیید کنیم که اشکال تانسور ورودیها و برچسبهای ما درست هستند.", explain: "دوباره امتحان کنید -- اگر اشکال تانسور شما ناهمتراز باشد، مطمئناً نمیتوانید حتی در یک دسته تمرین کنید.", } ]} />
8. چرا هنگام ایجاد یک شماره جدید در مخزن 🤗 ترنسفورمر، ایده خوبی است که جزئیات محیط محاسباتی خود را با transformers-cli env اضافه کنید؟
<Question choices={[ { text: "این به نگهبانان اجازه می دهد تا بفهمند از کدام نسخه کتابخانه استفاده می کنید.", explain: "درسته! از آنجایی که هر نسخه اصلی کتابخانه ممکن است تغییراتی در API داشته باشد، دانستن اینکه از کدام نسخه خاصی استفاده می کنید می تواند به کاهش مشکل کمک کند. مزایای دیگر چیست؟", correct: true }, { text: "این به نگهبانان اجازه می دهد تا بدانند که آیا کد را روی ویندوز، macOS یا لینوکس اجرا می کنید.", explain: "درست است! گاهی خطاها میتوانند به سیستمعامل خاصی که استفاده میکنید مربوط باشند و دانستن این موضوع به نگهدارندگان کمک میکند آنها را در محیط خود بازتولید کنند. البته این تنها دلیل نیست.", correct: true }, { text: "این اجازه می دهد تا نگهبانان بدانند که آیا شما کد را روی یک GPU یا CPU اجرا می کنید.", explain: "درسته! همانطور که در این فصل دیدیم، کد اجرا شده بر روی GPU یا CPU ممکن است نتایج یا خطاهای متفاوتی ایجاد کند، و دانستن اینکه از کدام سخت افزار استفاده می کنید می تواند به تمرکز توجه نگهبانان کمک کند. اما این تنها مزیت نیست...", correct: true } ]} />
Xet Storage Details
- Size:
- 13.3 kB
- Xet hash:
- 62678e7f603bba395181bd68a1219932303bed00911807c1795f74ba37e279ea
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.