اختبار مرتبط بالدليل · متوسط المستوى
اختبار ONNX وقابلية التشغيل البيني للنموذج
اختبر الأفكار الأساسية وراء الرسوم البيانية لـ ONNX، والمشغلين، ومقدمي التنفيذ، وتبادل النماذج، وتحسين الرسم البياني عبر أوقات التشغيل.
سؤال 1 من 8
ما هي المشكلة الأساسية التي يحلها ONNX في المقام الأول؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما هي المشكلة الأساسية التي يحلها ONNX في المقام الأول؟
- نقل النماذج بين الأطر وأوقات التشغيل المختلفة عبر تنسيق مشترك
- تسمية بيانات التدريب تلقائيا
- توليد بنيات جديدة للشبكات العصبية
- تشفير أوزان النماذج للأمن
- كيف يمثل ملف ONNX نموذجًا؟
- كبيانات التدريب الخام
- كرسم بياني حسابي لمشغلي موحدة
- كرقم فاصلة عائمة واحد
- كما كود المصدر في بيثون
- What does the acronym ONNX stand for?
- Optimized Network Node Execution
- Open Neural Network Extension
- افتح تبادل الشبكة العصبية
- Operator Network Normalization Exchange
- في ONNX Runtime، ما هو "موفر التنفيذ"؟
- حساب الفواتير السحابية
- الشخص الذي قام بتدريب النموذج
- نوع من وظيفة الخسارة
- واجهة خلفية تقوم بتشغيل عوامل تشغيل مدعومة على أجهزة محددة مثل وحدة المعالجة المركزية (CPU) أو CUDA أو TensorRT
- ما الذي يحدده إصدار "opset" (مجموعة المشغلين) في نموذج ONNX؟
- أي إصدار من عوامل التشغيل القياسية يستخدمه الرسم البياني
- دقة النموذج في مجموعة الاختبار
- عدد وحدات معالجة الرسومات المطلوبة
- معدل التعلم التدريبي
- Which graph-level operations can ONNX Runtime apply?
- Automatic retraining and label correction
- Constant folding and node fusion, among other optimizations
- Changing a model’s architecture to a new framework
- Generating new training examples from inference requests
- What can happen when an ONNX Runtime execution provider supports only part of a model graph?
- The provider must execute every node or fail by definition
- يتم إعادة تدريب النموذج تلقائيًا
- The runtime can assign supported nodes or subgraphs to that provider and others to a different provider
- All unsupported operators are deleted
- Why should an ONNX deployment check the model’s opset against the target runtime?
- The opset specifies the model’s training dataset size
- An opset number guarantees identical performance
- The opset controls the number of GPU devices
- The graph uses versioned operator definitions that the runtime must support