Kuis terkait panduan · Sedang Tingkat

ONNX dan Kuis Interoperabilitas Model

Uji ide-ide utama di balik grafik ONNX, operator, penyedia eksekusi, pertukaran model, dan optimalisasi grafik di seluruh runtime.

Jalur panduan terkaitOnnx Dan Interoperabilitas Model
Pertanyaan 1 dari 8

Masalah inti apa yang terutama dipecahkan oleh ONNX?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Masalah inti apa yang terutama dipecahkan oleh ONNX?
    • Memindahkan model antara kerangka kerja dan waktu proses yang berbeda melalui format umum
    • Memberi label pada data pelatihan secara otomatis
    • Menghasilkan arsitektur jaringan saraf baru
    • Mengenkripsi bobot model untuk keamanan
  2. Bagaimana file ONNX mewakili model?
    • Sebagai data pelatihan mentah
    • Sebagai grafik komputasi operator terstandarisasi
    • Sebagai bilangan floating-point tunggal
    • Sebagai kode sumber dengan Python
  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. Di ONNX Runtime, apa yang dimaksud dengan 'penyedia eksekusi'?
    • Akun penagihan cloud
    • Orang yang melatih model tersebut
    • Suatu jenis fungsi kerugian
    • Backend yang menjalankan operator yang didukung pada perangkat keras tertentu seperti CPU, CUDA, atau TensorRT
  5. Apa yang didefinisikan oleh versi 'opset' (set operator) dalam model ONNX?
    • Versi operator standar mana yang digunakan grafik tersebut
    • Akurasi model pada set pengujian
    • Jumlah GPU yang dibutuhkan
    • Kecepatan pembelajaran pelatihan
  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
    • Model tersebut dilatih ulang secara otomatis
    • 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