Вікторина, пов’язана з посібником · Середній Рівень

Тест про формати серіалізації моделі

Тестує переносимість серіалізації, безпеку маринування, файли ваги лише для тензорів і перевірку експортованих моделей у середовищі виконання.

Пов'язані напрямні шляхиФормати серіалізації моделі
Питання 1 з 8

Чому формат pickle Python вважається ризиком для безпеки моделей?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Чому формат pickle Python вважається ризиком для безпеки моделей?
    • Його завантаження може виконувати довільний код, вбудований у файл
    • Він надто сильно стискає файли
    • Працює лише у вихідні
    • Він видаляє вихідну модель
  2. У чому головна перевага формату ONNX?
    • Це найменший можливий формат
    • Це дозволяє моделі, навченій в одному фреймворку, працювати в багатьох інших середовищах і мовах
    • Його можна відкрити лише в PyTorch
    • Це автоматично підвищує точність
  3. Чому Safetensors став популярним для обміну вагами моделей?
    • Він запускає код під час завантаження для зручності
    • Це найстаріший доступний формат
    • Він безпечно зберігає лише тензорні дані, швидко завантажується в пам’ять і не виконує код
    • Він зберігає лише точність моделі
  4. З яким варіантом використання найбільше пов’язаний GGUF?
    • Зберігання електронних таблиць
    • Шифрування електронних листів
    • Навчання моделей з нуля в хмарі
    • Ефективне виконання квантованих великих мовних моделей на локальному обладнанні
  5. Що переважно зберігає такий формат обміну, як ONNX?
    • Стандартизований обчислювальний графік і ваги моделі
    • Відео тренувального процесу
    • Тільки навчальний набір даних
    • Коментарі розробника до вихідного коду
  6. When exporting a Keras 3 model for TensorFlow serving, which directory format can model.export produce?
    • ГГУФ
    • SavedModel
    • 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