Útmutatóhoz kapcsolódó kvíz · Közepes Szint

ONNX és modell-együttműködési kvíz

Test the key ideas behind ONNX graphs, operators, execution providers, model exchange, and graph optimization across runtimes.

Kapcsolódó útmutató utakOnnx és modell interoperabilitás
kérdés 1 -ból 8

Milyen alapvető problémát old meg elsősorban az ONNX?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Milyen alapvető problémát old meg elsősorban az ONNX?
    • Modellek mozgatása különböző keretrendszerek és futási környezetek között egy közös formátumon keresztül
    • Az edzésadatok automatikus címkézése
    • Új neurális hálózati architektúrák generálása
    • Modellsúlyok titkosítása a biztonság érdekében
  2. Hogyan ábrázol egy ONNX fájl egy modellt?
    • Nyers edzési adatokként
    • Szabványosított operátorok számítási grafikonjaként
    • Egyetlen lebegőpontos számként
    • Forráskódként Pythonban
  3. What does the acronym ONNX stand for?
    • Optimized Network Node Execution
    • Open Neural Network Extension
    • Open Neural Network Exchange
    • Operator Network Normalization Exchange
  4. Az ONNX Runtime-ban mi az a „végrehajtási szolgáltató”?
    • Felhőalapú számlázási fiók
    • Az a személy, aki kiképezte a modellt
    • A veszteségfüggvény egy fajtája
    • Olyan háttérrendszer, amely támogatott operátorokat futtat bizonyos hardvereken, például CPU-n, CUDA-n vagy TensorRT-n
  5. Mit definiál az „opset” (operátorkészlet) verzió egy ONNX modellben?
    • A szabványos operátorok melyik verzióját használja a gráf
    • A modell pontossága egy tesztkészleten
    • A szükséges GPU-k száma
    • A képzés tanulási aránya
  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
    • A modell automatikusan átképzésre kerül
    • 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