मॉडल क्रमांकन प्रारूप प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. पायथन के अचार प्रारूप को मॉडलों के लिए सुरक्षा जोखिम क्यों माना जाता है?
   • इसे लोड करने से फ़ाइल में एम्बेडेड मनमाना कोड निष्पादित हो सकता है
   • यह फ़ाइलों को बहुत अधिक संपीड़ित करता है
   • यह केवल सप्ताहांत पर काम करता है
   • यह मूल मॉडल को हटा देता है
2. ONNX प्रारूप का मुख्य लाभ क्या है?
   • यह सबसे छोटा संभव प्रारूप है
   • यह एक फ्रेमवर्क में प्रशिक्षित मॉडल को कई अन्य रनटाइम और भाषाओं में चलने देता है
   • इसे केवल PyTorch में ही खोला जा सकता है
   • यह स्वचालित रूप से सटीकता में सुधार करता है
3. मॉडल भार साझा करने के लिए सेफटेंसर लोकप्रिय क्यों हो गए हैं?
   • यह सुविधा के लिए लोड पर कोड चलाता है
   • यह उपलब्ध सबसे पुराना प्रारूप है
   • यह तेज़ मेमोरी-मैपेबल लोडिंग और बिना किसी कोड निष्पादन के केवल टेंसर डेटा को सुरक्षित रूप से संग्रहीत करता है
   • यह केवल मॉडल सटीकता संग्रहीत करता है
4. GGUF किस उपयोग के मामले से सर्वाधिक संबद्ध है?
   • स्प्रेडशीट भंडारण
   • ईमेल एन्क्रिप्ट करना
   • क्लाउड में स्क्रैच से प्रशिक्षण मॉडल
   • स्थानीय हार्डवेयर पर परिमाणित बड़े भाषा मॉडल को कुशलतापूर्वक चलाना
5. ONNX जैसा इंटरचेंज प्रारूप मुख्य रूप से क्या संग्रहित करता है?
   • एक मानकीकृत कम्प्यूटेशनल ग्राफ और मॉडल का वजन
   • प्रशिक्षण प्रक्रिया का एक वीडियो
   • केवल प्रशिक्षण डेटासेट
   • डेवलपर का स्रोत कोड टिप्पणियाँ
6. When exporting a Keras 3 model for TensorFlow serving, which directory format can model.export produce?
   • जीजीयूएफ
   • सहेजा गया मॉडल
   • सीएसवी
   • 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