Тест, свързан с ръководство · Среден Ниво

ONNX и тест за оперативна съвместимост на моделите

Тествайте ключовите идеи зад графиките на ONNX, операторите, доставчиците на изпълнение, обмена на модели и оптимизирането на графиките в средите на изпълнение.

Свързани ръководни пътекиOnnx и оперативна съвместимост на моделите
Въпрос 1 на 8

Какъв основен проблем решава основно ONNX?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какъв основен проблем решава основно ONNX?
    • Преместване на модели между различни рамки и изпълнения чрез общ формат
    • Автоматично етикетиране на данни за обучение
    • Генериране на нови архитектури на невронни мрежи
    • Криптиране на теглата на модела за сигурност
  2. Как ONNX файл представлява модел?
    • Като необработени данни за обучение
    • Като изчислителна графика на стандартизирани оператори
    • Като едно число с плаваща запетая
    • Като изходен код в Python
  3. What does the acronym ONNX stand for?
    • Optimized Network Node Execution
    • Open Neural Network Extension
    • Отворете Neural Network Exchange
    • Operator Network Normalization Exchange
  4. В ONNX Runtime какво е „доставчик на изпълнение“?
    • Облачен акаунт за таксуване
    • Човекът, обучил модела
    • Вид функция на загуба
    • Бекенд, който изпълнява поддържани оператори на специфичен хардуер като CPU, CUDA или TensorRT
  5. Какво дефинира версията „opset“ (набор от оператори) в ONNX модел?
    • Коя версия на стандартизираните оператори използва графиката
    • Точността на модела върху тестова серия
    • Необходимият брой графични процесори
    • Степента на обучение при обучение
  6. 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
  7. 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
    • Моделът се преквалифицира автоматично
    • The runtime can assign supported nodes or subgraphs to that provider and others to a different provider
    • All unsupported operators are deleted
  8. 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