গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
ONNX এবং মডেল ইন্টারঅপারেবিলিটি কুইজ
রানটাইম জুড়ে ONNX গ্রাফ, অপারেটর, এক্সিকিউশন প্রদানকারী, মডেল এক্সচেঞ্জ এবং গ্রাফ অপ্টিমাইজেশানের পিছনে মূল ধারণাগুলি পরীক্ষা করুন।
প্রশ্ন 1 এর 8
ONNX প্রাথমিকভাবে কোন মূল সমস্যা সমাধান করে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- ONNX প্রাথমিকভাবে কোন মূল সমস্যা সমাধান করে?
- একটি সাধারণ বিন্যাসের মাধ্যমে বিভিন্ন ফ্রেমওয়ার্ক এবং রানটাইমের মধ্যে মডেলগুলি সরানো
- স্বয়ংক্রিয়ভাবে প্রশিক্ষণ ডেটা লেবেল করা
- নতুন নিউরাল নেটওয়ার্ক আর্কিটেকচার তৈরি করা হচ্ছে
- নিরাপত্তার জন্য মডেল ওজন এনক্রিপ্ট করা
- কিভাবে একটি ONNX ফাইল একটি মডেল প্রতিনিধিত্ব করে?
- কাঁচা প্রশিক্ষণ তথ্য হিসাবে
- প্রমিত অপারেটরগুলির একটি গণনা গ্রাফ হিসাবে
- একটি একক ভাসমান-বিন্দু সংখ্যা হিসাবে
- পাইথনে সোর্স কোড হিসাবে
- What does the acronym ONNX stand for?
- Optimized Network Node Execution
- Open Neural Network Extension
- Open Neural Network Exchange
- Operator Network Normalization Exchange
- ONNX রানটাইমে, একটি 'এক্সিকিউশন প্রদানকারী' কি?
- একটি ক্লাউড বিলিং অ্যাকাউন্ট
- যিনি মডেলকে প্রশিক্ষণ দিয়েছেন
- ক্ষতি ফাংশন এক ধরনের
- একটি ব্যাকএন্ড যা CPU, CUDA বা TensorRT-এর মতো নির্দিষ্ট হার্ডওয়্যারে সমর্থিত অপারেটর চালায়
- একটি ONNX মডেলের 'অপসেট' (অপারেটর সেট) সংস্করণটি কী সংজ্ঞায়িত করে?
- প্রমিত অপারেটরের কোন সংস্করণ গ্রাফ ব্যবহার করে
- একটি পরীক্ষা সেটে মডেলের নির্ভুলতা
- প্রয়োজনীয় GPU সংখ্যা
- প্রশিক্ষণ শেখার হার
- 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
- মডেল স্বয়ংক্রিয়ভাবে পুনরায় প্রশিক্ষিত হয়
- 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