Gids-gekoppelde quiz · Middelmatig Niveau

Modelserialiseringsformaten Quiz

Test serialisatie-portabiliteit, pickle-veiligheid, tensor-only gewichtsbestanden en verificatie van geëxporteerde modellen over runtimes heen.

Gerelateerde gidspadenModelserialiseringsformaten
Vraag 1 van 8

Waarom wordt het Pickle-formaat van Python beschouwd als een beveiligingsrisico voor modellen?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Waarom wordt het Pickle-formaat van Python beschouwd als een beveiligingsrisico voor modellen?
    • Als u het laadt, kan willekeurige code worden uitgevoerd die in het bestand is ingebed
    • Het comprimeert bestanden te veel
    • Het werkt alleen in het weekend
    • Het verwijdert het originele model
  2. Wat is het belangrijkste voordeel van het ONNX-formaat?
    • Het is het kleinst mogelijke formaat
    • Het zorgt ervoor dat een model dat in één raamwerk is getraind, in veel andere runtimes en talen kan worden uitgevoerd
    • Het kan alleen worden geopend in PyTorch
    • Het verbetert automatisch de nauwkeurigheid
  3. Waarom zijn safetensors populair geworden voor het delen van modelgewichten?
    • Voor het gemak voert het code uit tijdens het laden
    • Het is het oudste beschikbare formaat
    • Het slaat alleen tensorgegevens veilig op, met snel geheugen-toewijsbaar laden en geen code-uitvoering
    • Het slaat alleen de modelnauwkeurigheid op
  4. Met welke use case wordt GGUF het meest geassocieerd?
    • Spreadsheets opslaan
    • E-mails coderen
    • Train modellen helemaal opnieuw in de cloud
    • Gekwantiseerde grote taalmodellen efficiënt uitvoeren op lokale hardware
  5. Wat slaat een uitwisselingsformaat zoals ONNX voornamelijk op?
    • Een gestandaardiseerde computationele grafiek en de gewichten van het model
    • Een video van het trainingsproces
    • Alleen de trainingsgegevensset
    • Commentaar op de broncode van de ontwikkelaar
  6. When exporting a Keras 3 model for TensorFlow serving, which directory format can model.export produce?
    • GGUF
    • Opgeslagen model
    • 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