Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ μορφών σειριοποίησης μοντέλων

Δοκιμάζει τη φορητότητα σειριοποίησης, την ασφάλεια του τουρσί, τα αρχεία βάρους μόνο με τανυστήρα και την επαλήθευση των εξαγόμενων μοντέλων σε όλη τη διάρκεια εκτέλεσης.

Σχετικές διαδρομές οδηγώνΜορφές σειριοποίησης μοντέλων
Ερώτηση 1 του 8

Γιατί η μορφή pickle της Python θεωρείται κίνδυνος ασφάλειας για τα μοντέλα;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Γιατί η μορφή pickle της Python θεωρείται κίνδυνος ασφάλειας για τα μοντέλα;
    • Η φόρτωσή του μπορεί να εκτελέσει αυθαίρετο κώδικα που είναι ενσωματωμένος στο αρχείο
    • Συμπιέζει τα αρχεία πάρα πολύ
    • Λειτουργεί μόνο τα Σαββατοκύριακα
    • Διαγράφει το αρχικό μοντέλο
  2. Ποιο είναι το κύριο πλεονέκτημα της μορφής ONNX;
    • Είναι η μικρότερη δυνατή μορφή
    • Επιτρέπει σε ένα μοντέλο που έχει εκπαιδευτεί σε ένα πλαίσιο να τρέχει σε πολλούς άλλους χρόνους εκτέλεσης και γλώσσες
    • Μπορεί να ανοίξει μόνο στο PyTorch
    • Βελτιώνει αυτόματα την ακρίβεια
  3. Γιατί τα προστατευτικά έχουν γίνει δημοφιλή για την κοινή χρήση βαρών μοντέλων;
    • Εκτελεί κώδικα κατά τη φόρτωση για ευκολία
    • Είναι η παλαιότερη διαθέσιμη μορφή
    • Αποθηκεύει μόνο δεδομένα τανυστήρα με ασφάλεια, με γρήγορη φόρτωση με δυνατότητα χαρτογράφησης μνήμης και χωρίς εκτέλεση κώδικα
    • Αποθηκεύει μόνο την ακρίβεια του μοντέλου
  4. Το GGUF σχετίζεται περισσότερο με ποια περίπτωση χρήσης;
    • Αποθήκευση υπολογιστικών φύλλων
    • Κρυπτογράφηση email
    • Εκπαίδευση μοντέλων από την αρχή στο cloud
    • Εκτέλεση κβαντισμένων μοντέλων μεγάλων γλωσσών αποτελεσματικά σε τοπικό υλικό
  5. Τι αποθηκεύει κυρίως μια μορφή ανταλλαγής όπως το ONNX;
    • Ένα τυποποιημένο υπολογιστικό γράφημα και τα βάρη του μοντέλου
    • Ένα βίντεο από την προπονητική διαδικασία
    • Μόνο το σύνολο δεδομένων εκπαίδευσης
    • Σχόλια στον πηγαίο κώδικα του προγραμματιστή
  6. When exporting a Keras 3 model for TensorFlow serving, which directory format can model.export produce?
    • GGUF
    • Αποθηκευμένο Μοντέλο
    • CSV
    • A pickle file containing the entire Python application
  7. After exporting a model to ONNX for a new runtime, what should the team check?
    • That the ONNX file guarantees identical speed on every device
    • That the export automatically includes the original training data
    • That supported operators run and outputs match the reference model on representative inputs
    • That no preprocessing code is needed
  8. Why can a state-dictionary checkpoint be preferable to loading a whole Python object from an untrusted file?
    • It guarantees the model architecture is embedded
    • It makes every checkpoint safe regardless of loader and version
    • It automatically converts the model to ONNX
    • It can load tensor state without reconstructing arbitrary pickled Python objects, subject to the loader’s security settings