Вікторина, пов’язана з посібником · Середній Рівень

Тест ONNX і взаємодії моделей

Перевірте ключові ідеї, що лежать в основі графіків ONNX, операторів, провайдерів виконання, обміну моделями та оптимізації графіків у середовищі виконання.

Пов'язані напрямні шляхиOnnx і сумісність моделей
Питання 1 з 8

Яку основну проблему в першу чергу вирішує ONNX?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яку основну проблему в першу чергу вирішує ONNX?
    • Переміщення моделей між різними фреймворками та середовищами виконання через загальний формат
    • Автоматичне маркування навчальних даних
    • Створення нових архітектур нейронних мереж
    • Шифрування ваг моделі для безпеки
  2. Як файл ONNX представляє модель?
    • Як необроблені навчальні дані
    • Як обчислювальний граф стандартизованих операторів
    • Як одне число з плаваючою комою
    • Як вихідний код на Python
  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. Що таке «провайдер виконання» в ONNX Runtime?
    • Платіжний рахунок у хмарі
    • Людина, яка підготувала модель
    • Тип функції втрат
    • Сервер, який запускає підтримувані оператори на певному обладнанні, як-от CPU, CUDA або TensorRT
  5. Що визначає версія «opset» (набір операторів) у моделі ONNX?
    • Яку версію стандартизованих операторів використовує граф
    • Точність моделі на тестовому наборі
    • Необхідна кількість графічних процесорів
    • Швидкість тренувального навчання
  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
    • Модель автоматично перенавчається
    • 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