Cuestionario vinculado a una guía · Medio Nivel

Prueba de formatos de serialización de modelos

Prueba la portabilidad de la serialización, la seguridad de los encurtidos, los archivos de peso solo de tensor y la verificación de los modelos exportados en distintos tiempos de ejecución.

Rutas de guía relacionadasFormatos de serialización de modelos
Pregunta 1 de 8

¿Por qué el formato pickle de Python se considera un riesgo de seguridad para los modelos?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Por qué el formato pickle de Python se considera un riesgo de seguridad para los modelos?
    • Cargarlo puede ejecutar código arbitrario incrustado en el archivo.
    • Comprime demasiado los archivos
    • Solo funciona los fines de semana
    • Elimina el modelo original.
  2. ¿Cuál es la principal ventaja del formato ONNX?
    • Es el formato más pequeño posible.
    • Permite que un modelo entrenado en un marco se ejecute en muchos otros tiempos de ejecución y lenguajes.
    • Sólo se puede abrir en PyTorch.
    • Mejora automáticamente la precisión.
  3. ¿Por qué los tensores de seguridad se han vuelto populares para compartir pesas de modelos?
    • Ejecuta código al cargar para mayor comodidad.
    • Es el formato más antiguo disponible.
    • Almacena solo datos tensoriales de forma segura, con carga rápida asignable en memoria y sin ejecución de código.
    • Solo almacena la precisión del modelo.
  4. ¿GGUF está más asociado con qué caso de uso?
    • Almacenamiento de hojas de cálculo
    • Cifrar correos electrónicos
    • Modelos de entrenamiento desde cero en la nube
    • Ejecutar modelos de lenguaje grandes cuantificados de manera eficiente en hardware local
  5. ¿Qué almacena principalmente un formato de intercambio como ONNX?
    • Un gráfico computacional estandarizado y los pesos del modelo.
    • Un vídeo del proceso de formación.
    • Solo el conjunto de datos de entrenamiento
    • Comentarios del código fuente del desarrollador.
  6. When exporting a Keras 3 model for TensorFlow serving, which directory format can model.export produce?
    • GGUF
    • Modelo guardado
    • 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