ガイド連動クイズ · 中 レベル

モデルのシリアル化形式に関するクイズ

シリアル化の移植性、ピクルの安全性、テンソルのみの重みファイル、およびランタイム全体でのエクスポートされたモデルの検証をテストします。

関連するガイドパスモデルのシリアル化形式
質問 1 の 8

Python の pickle 形式がモデルのセキュリティ リスクとみなされるのはなぜですか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. Python の pickle 形式がモデルのセキュリティ リスクとみなされるのはなぜですか?
    • ロードすると、ファイルに埋め込まれた任意のコードが実行される可能性があります
    • ファイルを圧縮しすぎます
    • 週末のみ稼働します
    • 元のモデルを削除します
  2. ONNX 形式の主な利点は何ですか?
    • 可能な限り最小のフォーマットです
    • 1 つのフレームワークでトレーニングされたモデルを他の多くのランタイムや言語で実行できるようにします。
    • PyTorch でのみ開くことができます
    • 自動的に精度が向上します
  3. モデルの重みを共有するためにセーフテンサーが普及したのはなぜですか?
    • 便宜上、ロード時にコードを実行します
    • 利用可能な最も古い形式です
    • テンソル データのみを安全に保存し、高速なメモリ マップ可能な読み込みとコードの実行を行いません。
    • モデルの精度のみを保存します
  4. GGUF はどのユースケースに最も関連していますか?
    • スプレッドシートの保存
    • メールの暗号化
    • クラウドでモデルをゼロからトレーニングする
    • 量子化された大規模言語モデルをローカル ハードウェアで効率的に実行する
  5. ONNX のような交換フォーマットは主に何を保存しますか?
    • 標準化された計算グラフとモデルの重み
    • トレーニングプロセスのビデオ
    • トレーニング データセットのみ
    • 開発者のソースコードコメント
  6. When exporting a Keras 3 model for TensorFlow serving, which directory format can model.export produce?
    • GGUF
    • 保存されたモデル
    • 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