ガイド連動クイズ · 中 レベル

ONNX とモデルの相互運用性に関するクイズ

ONNX グラフ、演算子、実行プロバイダー、モデル交換、およびランタイム全体にわたるグラフの最適化の背後にある主要なアイデアをテストします。

関連するガイドパスOnnx とモデルの相互運用性
質問 1 の 8

ONNX は主にどのような中心的な問題を解決しますか?

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. ONNX は主にどのような中心的な問題を解決しますか?
    • 共通の形式を使用して、異なるフレームワークとランタイム間でモデルを移動する
    • トレーニング データに自動的にラベルを付ける
    • 新しいニューラル ネットワーク アーキテクチャの生成
    • セキュリティのためにモデルの重みを暗号化する
  2. ONNX ファイルはどのようにモデルを表すのでしょうか?
    • 生のトレーニングデータとして
    • 標準化された演算子の計算グラフとして
    • 単一の浮動小数点数として
    • Pythonのソースコードとして
  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. ONNX ランタイムにおける「実行プロバイダー」とは何ですか?
    • クラウド請求先アカウント
    • モデルをトレーニングした人
    • 損失関数の一種
    • CPU、CUDA、TensorRT などの特定のハードウェア上でサポートされているオペレーターを実行するバックエンド
  5. ONNX モデルの「opset」(演算子セット) バージョンは何を定義しますか?
    • グラフが使用する標準化された演算子のバージョン
    • テストセットでのモデルの精度
    • 必要なGPUの数
    • トレーニング学習率
  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
    • モデルは自動的に再トレーニングされます
    • 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