텍스트 생성 모델

텍스트 생성 모델

11th Grade

5 Qs

quiz-placeholder

Similar activities

Java String class methods

Java String class methods

10th - 12th Grade

10 Qs

Programlama Temelleri-Python

Programlama Temelleri-Python

8th - 11th Grade

8 Qs

Soal Latihan KD 3.6 dan 4.6 (Fiber Optic)

Soal Latihan KD 3.6 dan 4.6 (Fiber Optic)

11th Grade

10 Qs

SS 2 Online Exam

SS 2 Online Exam

11th Grade

10 Qs

Intro to Web & Social Media

Intro to Web & Social Media

11th Grade - University

10 Qs

Final_m5

Final_m5

11th Grade

10 Qs

Hari 3 - Kuis Coding & Perkenalan AI

Hari 3 - Kuis Coding & Perkenalan AI

1st - 12th Grade

10 Qs

Tham số của hàm, Phạm vi của biến

Tham số của hàm, Phạm vi của biến

9th - 12th Grade

10 Qs

텍스트 생성 모델

텍스트 생성 모델

Assessment

Quiz

Computers

11th Grade

Practice Problem

Hard

Created by

S Chung

Used 3+ times

FREE Resource

AI

Enhance your content in a minute

Add similar questions
Adjust reading levels
Convert to real-world scenario
Translate activity
More...

5 questions

Show all answers

1.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

다음 중 장단기 메모리 모델은?

NN

CNN

RNN

LSTM

2.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

다음 중 장단기 메모리 모델 구성 과정에서 ①에 들어갈 단어는?

model = Sequential()

model.add( ① (128, input_shape = (maxlen, len(chars))))

model.add( ② (len(chars), activation = 'softmax'))

NN

CNN

Dense

LSTM

3.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

다음 중 장단기 메모리 모델 구성 과정에서 ②에 들어갈 단어는?

model = Sequential()

model.add( ① (128, input_shape = (maxlen, len(chars))))

model.add( ② (len(chars), activation = 'softmax'))

NN

CNN

Dense

LSTM

4.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

다음 중 모델 컴파일에 해당하는 것은?

model = Sequential()

model.add(Dense(len(chars), activation = 'softmax'))

model.compile(loss = 'categorical_crossentropy', optimizer = 'RMSprop')

model.fit(x, y, batch_size = 128, epochs = 1)

5.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

다음 중 모델 학습에 해당하는 것은?

model = Sequential()

model.add(Dense(len(chars), activation = 'softmax'))

model.compile(loss = 'categorical_crossentropy', optimizer = 'RMSprop')

model.fit(x, y, batch_size = 128, epochs = 1)