Викторина, связанная с руководством · Средний Уровень

Викторина по форматам сериализации моделей

Тестирует переносимость сериализации, безопасность выбора, файлы весов только для тензоров и проверку экспортированных моделей во время выполнения.

Связанные направляющие путиФорматы сериализации моделей
Вопрос 1 из 8

Почему формат Pickle в Python считается угрозой безопасности моделей?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Почему формат Pickle в Python считается угрозой безопасности моделей?
    • Загрузка его может выполнить произвольный код, встроенный в файл.
    • Он слишком сильно сжимает файлы
    • Работает только по выходным
    • Удаляет исходную модель
  2. В чем главное преимущество формата ONNX?
    • Это самый маленький возможный формат
    • Это позволяет модели, обученной в одной среде, работать во многих других средах выполнения и языках.
    • Его можно открыть только в PyTorch.
    • Это автоматически повышает точность
  3. Почему защитные датчики стали популярными для совместного использования веса моделей?
    • Для удобства он запускает код при загрузке.
    • Это самый старый доступный формат.
    • Он безопасно хранит только тензорные данные, с быстрой загрузкой с отображением в памяти и без выполнения кода.
    • Он сохраняет только точность модели.
  4. С каким вариантом использования больше всего связан GGUF?
    • Хранение электронных таблиц
    • Шифрование электронной почты
    • Обучение моделей с нуля в облаке
    • Эффективное выполнение квантованных больших языковых моделей на локальном оборудовании
  5. Что в первую очередь хранит формат обмена, такой как ONNX?
    • Стандартизированный вычислительный граф и веса модели
    • Видео тренировочного процесса
    • Только набор обучающих данных
    • Комментарии разработчика к исходному коду
  6. When exporting a Keras 3 model for TensorFlow serving, which directory format can model.export produce?
    • ГГУФ
    • Сохраненнаямодель
    • CSV-файл
    • 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