# अध्याय के अंत की प्रश्नोत्तरी

इस अध्याय में बहुत सारी जमीन शामिल है! यदि आप सभी विवरणों को नहीं समझ पाए हैं तो चिंता न करें; अगले अध्याय आपको यह समझने में मदद करेंगे कि चीजें हुड के तहत कैसे काम करती हैं।

लेकिन, आइए पहले यह जाँचें कि आपने इस अध्याय में क्या सीखा!

### 1. हब को एक्सप्लोर करें और `रॉबर्टा-लार्ज-एमएनली` चेकपॉइंट देखें। यह कौन सा कार्य करता है?

roberta-large-mnli पेज पर फिर से देखें।"
		},
		{
			text: "पाठ वर्गीकरण",
			explain: "अधिक सटीक रूप से, यह वर्गीकृत करता है कि क्या दो वाक्य तार्किक रूप से तीन लेबल (विरोधाभास, तटस्थ, प्रवेश) से जुड़े हुए हैं - एक कार्य जिसे प्राकृतिक भाषा अनुमान भी कहा जाता है।",
			correct: true
		},
		{
			text: "पाठ निर्माण",
			explain: "roberta-large-mnli पेज पर फिर से देखें।"
		}
	]}
/>

### 2. निम्नलिखित कोड क्या लौटाएगा?

```py
from transformers import pipeline

ner = pipeline("ner", grouped_entities=True)
ner("My name is Sylvain and I work at Hugging Face in Brooklyn.")
```

भावना-विश्लेषण पाइपलाइन होगी।"
		},
		{
			text: "यह इस वाक्य को पूरा करने वाला एक उत्पन्न पाठ लौटाएगा।",
			explain: "यह गलत है — यह एक टेक्स्ट-जनरेशन पाइपलाइन होगी।",
		},
		{
			text: "यह व्यक्तियों, संगठनों या स्थानों का प्रतिनिधित्व करने वाले शब्दों को वापस कर देगा।",
			explain: "इसके अलावा, grouped_entities=True के साथ, यह एक ही इकाई से संबंधित शब्दों को एक साथ समूहित करेगा, जैसे \"हगिंग फेस\"।",
			correct: true
		}
	]}
/>

### 3. क्या प्रतिस्थापित करना चाहिए ... इस कोड नमूने में?

```py
from transformers import pipeline

filler = pipeline("fill-mask", model="bert-base-cased")
result = filler("...")
```

 आपका इंतजार कर रहा है।",
			explain: "यह गलत है। bert-base-cased मॉडल कार्ड देखें और अपनी गलती का पता लगाने का प्रयास करें।"
		},
		{
			text: "यह [मास्क] आपका इंतजार कर रहा है।",
			explain: "सही! इस मॉडल का मास्क टोकन [MASK] है।",
			correct: true
		},
		{
			text: "यह आदमी तुम्हारा इंतजार कर रहा है।",
			explain: "यह गलत है। यह पाइपलाइन नकाबपोश शब्दों में भरती है, इसलिए इसे कहीं न कहीं मास्क टोकन की जरूरत है।"
		}
	]}
/>

### 4. यह कोड विफल क्यों होगा?

```py
from transformers import pipeline

classifier = pipeline("zero-shot-classification")
result = classifier("This is a course about the Transformers library")
```

candidate_labels=[...] शामिल होना चाहिए।",
			correct: true
		},
		{
			text: "इस पाइपलाइन के लिए केवल एक नहीं, बल्कि कई वाक्यों की आवश्यकता है।",
			explain: "यह गलत है, हालांकि जब ठीक से उपयोग किया जाता है, तो यह पाइपलाइन प्रक्रिया के लिए वाक्यों की एक सूची ले सकती है (अन्य सभी पाइपलाइनों की तरह)।"
		},
		{
			text: "🤗 ट्रान्सफ़ॉर्मर पुस्तकालय हमेशा की तरह टूटा हुआ है।",
			explain: "हम इस उत्तर को एक टिप्पणी के साथ सम्मानित नहीं करेंगे!!"
		},
		{
			text: "इस पाइपलाइन को लंबे समय तक इनपुट की आवश्यकता है; यह बहुत छोटा है।",
			explain: "यह गलत है। ध्यान दें कि इस पाइपलाइन द्वारा संसाधित किए जाने पर एक बहुत लंबा टेक्स्ट छोटा कर दिया जाएगा।"
		}
	]}
/>

### 5. "ट्रांसफर लर्निंग" का क्या अर्थ है?

### 6. सही या गलत? एक भाषा मॉडल को आमतौर पर इसके पूर्व-प्रशिक्षण के लिए लेबल की आवश्यकता नहीं होती है।

स्व-पर्यवेक्षित होता है, जिसका अर्थ है कि लेबल स्वचालित रूप से इनपुट से बनाए जाते हैं (जैसे अगले शब्द की भविष्यवाणी करना या कुछ नकाबपोश शब्दों को भरना)।",
			correct: true
		},
		{
			text: "गलत",
			explain: "यह सही उत्तर नहीं है।"
		}
	]}
/>

### 7. उस वाक्य का चयन करें जो "मॉडल," "वास्तुकला," और "वजन" शब्दों का सबसे अच्छा वर्णन करता है।

### 8. आप जनरेट किए गए टेक्स्ट के साथ संकेतों को पूरा करने के लिए इनमें से किस प्रकार के मॉडल का उपयोग करेंगे?

### 9. पाठों को सारांशित करने के लिए आप इनमें से किस प्रकार के मॉडल का उपयोग करेंगे?

### 10. कुछ लेबल के अनुसार टेक्स्ट इनपुट को वर्गीकृत करने के लिए आप इनमें से किस प्रकार के मॉडल का उपयोग करेंगे?

### 11. एक मॉडल में देखे गए पूर्वाग्रह के संभावित स्रोत क्या हो सकते हैं?