Kuiz berkaitan panduan · Sederhana Tahap

ONNX dan Kuiz Saling Operasi Model

Uji idea utama di sebalik graf ONNX, operator, penyedia pelaksanaan, pertukaran model dan pengoptimuman graf merentas masa jalan.

Laluan panduan yang berkaitanOnnx Dan Kebolehoperasian Model
soalan 1 daripada 8

Apakah masalah teras yang paling utama diselesaikan oleh ONNX?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah masalah teras yang paling utama diselesaikan oleh ONNX?
    • Memindahkan model antara rangka kerja dan masa jalan yang berbeza melalui format biasa
    • Melabel data latihan secara automatik
    • Menjana seni bina rangkaian neural baharu
    • Menyulitkan berat model untuk keselamatan
  2. Bagaimanakah fail ONNX mewakili model?
    • Sebagai data latihan mentah
    • Sebagai graf pengiraan pengendali piawai
    • Sebagai nombor titik terapung tunggal
    • Sebagai kod sumber dalam Python
  3. What does the acronym ONNX stand for?
    • Optimized Network Node Execution
    • Open Neural Network Extension
    • Buka Pertukaran Rangkaian Neural
    • Operator Network Normalization Exchange
  4. Dalam ONNX Runtime, apakah itu 'penyedia pelaksanaan'?
    • Akaun pengebilan awan
    • Orang yang melatih model itu
    • Sejenis fungsi kehilangan
    • Bahagian belakang yang menjalankan pengendali yang disokong pada perkakasan tertentu seperti CPU, CUDA atau TensorRT
  5. Apakah yang ditakrifkan versi 'opset' (set pengendali) dalam model ONNX?
    • Versi pengendali piawai yang manakah digunakan oleh graf
    • Ketepatan model pada set ujian
    • Bilangan GPU yang diperlukan
    • Kadar pembelajaran latihan
  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 dilatih semula secara automatik
    • 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