Questionário de quantização

As respostas e explicações aparecem conforme você responde ao teste.

1. Num esquema de quantização focado no peso, que propriedade de representação é alterada?
   • The mandatory number of network layers
   • The identity of every original training document
   • The numerical levels or precision used for selected weights
   • Only the displayed model title
2. Ignorando os metadados e outras memórias de trabalho, que fração de bits de peso compactado bruto permanece ao mover os mesmos pesos de 16 bits para 4 bits?
   • The same amount
   • Twice as much
   • One-hundredth in every case
   • One-quarter
3. Qual é a principal desvantagem da quantização agressiva?
   • Erro de arredondamento pode reduzir a precisão do modelo
   • O modelo não pode mais ser baixado
   • Exclui permanentemente os dados de treinamento
   • Isso sempre torna o modelo mais lento
4. Por que os métodos GPTQ e AWQ citados inspecionam as entradas de calibração?
   • To guarantee identical performance on every future input
   • To guide their respective weight-quantization choices and error management
   • To translate the vocabulary into another language
   • To add a required number of new transformer layers
5. Por que a velocidade do tempo de execução deve ser medida em vez de inferida apenas a partir de uma largura de bits de menor peso?
   • A bitwidth label guarantees an identical speedup on every device
   • All quantized values remove the need for computation
   • Every compressed model must be slower by definition
   • Kernels, hardware, and conversion overhead also affect runtime
6. What does activation-aware mean in the cited AWQ weight-quantization method?
   • Every activation must be stored at the same low bitwidth as every weight
   • The weights are never quantized
   • Activation observations help choose salient weight scaling
   • The method uses only parameter names without input observations
7. Using the stated reconstruction rule scale times code minus zero point with subtraction inside, what value comes from code six, scale 0.5, and zero point two?
   • Quatro
   • Dois
   • Três
   • Seis
8. How does quantization-aware training differ in timing from post-training quantization?
   • Training incorporates quantization effects so learned values can adapt
   • It is defined as changing only a fitted model after every training stage ends
   • It forbids all training examples
   • It guarantees no rounding or approximation error in any representation