Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący formatów serializacji modelu

Testuje przenośność serializacji, bezpieczeństwo pikowania, pliki wag zawierające tylko tensor i weryfikację eksportowanych modeli w różnych środowiskach wykonawczych.

Powiązane ścieżki prowadząceFormaty serializacji modelu
Pytanie 1 z 8

Dlaczego format pickle w Pythonie jest uważany za zagrożenie bezpieczeństwa modeli?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Dlaczego format pickle w Pythonie jest uważany za zagrożenie bezpieczeństwa modeli?
    • Załadowanie może spowodować wykonanie dowolnego kodu osadzonego w pliku
    • Za bardzo kompresuje pliki
    • Działa tylko w weekendy
    • Usuwa oryginalny model
  2. Jaka jest główna zaleta formatu ONNX?
    • Jest to najmniejszy możliwy format
    • Pozwala modelowi wyszkolonemu w jednym frameworku działać w wielu innych środowiskach wykonawczych i językach
    • Można go otworzyć tylko w PyTorch
    • Automatycznie poprawia dokładność
  3. Dlaczego bezpiecznetensory stały się popularne w zakresie udostępniania ciężarów modeli?
    • Dla wygody uruchamia kod podczas ładowania
    • Jest to najstarszy dostępny format
    • Bezpiecznie przechowuje tylko dane tensorowe, z szybkim ładowaniem z mapowaniem pamięci i bez wykonywania kodu
    • Przechowuje jedynie dokładność modelu
  4. GGUF jest najbardziej kojarzony z jakim przypadkiem użycia?
    • Przechowywanie arkuszy kalkulacyjnych
    • Szyfrowanie e-maili
    • Szkolenie modeli od podstaw w chmurze
    • Efektywne uruchamianie skwantowanych dużych modeli językowych na sprzęcie lokalnym
  5. Co przede wszystkim przechowuje format wymiany, taki jak ONNX?
    • Standaryzowany wykres obliczeniowy i wagi modelu
    • Film przedstawiający proces szkolenia
    • Tylko zestaw danych szkoleniowych
    • Komentarze do kodu źródłowego dewelopera
  6. When exporting a Keras 3 model for TensorFlow serving, which directory format can model.export produce?
    • GGUF
    • ZapisanyModel
    • 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