# Quiz de Final de Capítulo[[end-of-chapter-quiz]]

Probemos lo que aprendimos en este capítulo!

### 1. Cuando debería entrenar un nuevo tokenizador?

### 2. Cuál es la ventaja de usar un generador de listas de textos comparado con una lista de listas de textos al usar `train_new_from_iterator()`?

train_new_from_iterator() acepta.",
			explain: "Una lista de listas de textos es un tipo particular de generador de listas de textos, por lo que el método aceptará esto también. Intenta de nuevo!"
		},
		{
			text: "Evitarás cargar todo el conjunto de datos en memoria de una sóla vez.",
			explain: "Correcto! Cada lote de textos será liberado de la memoria al ir iterando, y la ganancia será especialmente visible si usas la librería 🤗 Datasets para almacenar tus textos.",
			correct: true
		},
		{
			text: "Esto permite que la librería 🤗 Tokenizers library use multiprocesamiento.",
			explain: "No, usará multiprocesamiento en ambos casos."
		},
        {
			text: "El tokenizador que entrenarás generará mejores textos.",
			explain: "El tokenizador no genera texto -- estás confundiéndolo con un modelo de lenguaje?"
		}
	]}
/>

### 3. Cuáles son las ventajas de utilizar un tokenizador "rápido"?

### 4. Como hace el pipeline `token-classification` para manejar entidades que se extienden a varios tokens?

### 5. Cómo hace el pipeline de `question-answering` para manejar contextos largos?

### 6. Qué es la normalización?

### 7. Qué es la pre-tokenización para un tokenizador de subpalabra?

### 8. Selecciona las afirmaciones que aplican para el modelo de tokenización BPE.

### 9. Selecciona las afirmaciones que aplican para el modelo de tokenizacion WordPiece.

### 10. Selecciona las afirmaciones que aplican para el modelo de tokenización Unigram.