가이드 연계 퀴즈 · 중간 레벨

ONNX 및 모델 상호 운용성 퀴즈

ONNX 그래프, 연산자, 실행 공급자, 모델 교환 및 런타임 전반에 걸친 그래프 최적화의 핵심 아이디어를 테스트합니다.

관련 가이드 경로Onnx와 모델 상호 운용성
질문 1 의 8

ONNX는 주로 어떤 핵심 문제를 해결합니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. ONNX는 주로 어떤 핵심 문제를 해결합니까?
    • 공통 형식을 통해 다양한 프레임워크와 런타임 간에 모델 이동
    • 학습 데이터에 자동으로 라벨 지정
    • 새로운 신경망 아키텍처 생성
    • 보안을 위한 모델 가중치 암호화
  2. ONNX 파일은 모델을 어떻게 표현합니까?
    • 원시 훈련 데이터로
    • 표준화된 연산자의 계산 그래프로
    • 단일 부동 소수점 숫자로
    • Python의 소스 코드로
  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 Runtime에서 '실행 공급자'란 무엇입니까?
    • 클라우드 청구 계정
    • 모델을 훈련시킨 사람
    • 손실 함수의 일종
    • CPU, CUDA 또는 TensorRT와 같은 특정 하드웨어에서 지원되는 연산자를 실행하는 백엔드
  5. ONNX 모델의 'opset'(연산자 집합) 버전은 무엇을 정의합니까?
    • 그래프가 사용하는 표준화된 연산자 버전
    • 테스트 세트에 대한 모델의 정확도
    • 필요한 GPU 수
    • 훈련 학습률
  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
    • 모델이 자동으로 재학습됩니다.
    • 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