Rehber bağlantılı sınav · Orta Seviye

ONNX ve Model Birlikte Çalışabilirlik Sınavı

ONNX grafiklerinin, operatörlerin, yürütme sağlayıcılarının, model değişiminin ve çalışma zamanlarında grafik optimizasyonunun ardındaki temel fikirleri test edin.

İlgili kılavuz yollarıOnnx ve Model Birlikte Çalışabilirliği
Soru 1 arasında 8

ONNX öncelikle hangi temel sorunu çözüyor?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. ONNX öncelikle hangi temel sorunu çözüyor?
    • Modelleri ortak bir format aracılığıyla farklı çerçeveler ve çalışma süreleri arasında taşıma
    • Eğitim verilerini otomatik olarak etiketleme
    • Yeni sinir ağı mimarilerinin oluşturulması
    • Güvenlik için model ağırlıklarını şifreleme
  2. ONNX dosyası bir modeli nasıl temsil eder?
    • Ham eğitim verileri olarak
    • Standartlaştırılmış operatörlerin hesaplama grafiği olarak
    • Tek bir kayan noktalı sayı olarak
    • Python'da kaynak kodu olarak
  3. What does the acronym ONNX stand for?
    • Optimized Network Node Execution
    • Open Neural Network Extension
    • Open Neural Network Exchange
    • Operator Network Normalization Exchange
  4. ONNX Çalışma Zamanında 'yürütme sağlayıcısı' nedir?
    • Bulut faturalandırma hesabı
    • Modeli eğiten kişi
    • Bir tür kayıp fonksiyonu
    • Desteklenen operatörleri CPU, CUDA veya TensorRT gibi belirli donanımlarda çalıştıran bir arka uç
  5. ONNX modelindeki 'opset' (operatör seti) sürümü neyi tanımlar?
    • Grafiğin standartlaştırılmış operatörlerin hangi sürümünü kullandığı
    • Modelin bir test setindeki doğruluğu
    • Gerekli GPU sayısı
    • Eğitim öğrenme oranı
  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 otomatik olarak yeniden eğitilir
    • 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