Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Core ML cho bài kiểm tra triển khai Apple trên thiết bị

Chuyển đổi và tích hợp mô hình với Core ML trong khi tính toán các loại gói, mục tiêu triển khai, tiền xử lý, lựa chọn phần cứng và kiểm tra thiết bị.

Đường dẫn hướng dẫn liên quanTriển khai Core ML trên thiết bị
Câu hỏi 1 của 8

Core ML đóng vai trò gì trong một ứng dụng Apple?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Core ML đóng vai trò gì trong một ứng dụng Apple?
    • Tạo các kiến trúc mô hình và tối ưu hóa tổn thất huấn luyện của chúng bên trong một ứng dụng
    • Chuyển đổi các mô hình nguồn được hỗ trợ để ứng dụng Core ML sử dụng
    • Chạy suy luận mô hình đã đào tạo thông qua phần mềm và phần cứng Apple được hỗ trợ
    • Biến đổi các điểm kiểm tra nguồn thành các tệp tạo sẵn Core ML mà không cần các công cụ chuyển đổi riêng biệt
  2. Core ML Tools thường làm gì trong quy trình chuyển đổi?
    • Điều chỉnh nhãn lớp của mô hình nguồn để khớp với ứng dụng
    • Chuyển đổi các mô hình nguồn được hỗ trợ thành các biểu diễn Core ML
    • Chọn các đơn vị tính toán thời gian chạy cho mỗi dự đoán
    • Thực thi mô hình đã biên dịch bên trong ứng dụng
  3. Tại sao phải đặt và kiểm tra mục tiêu triển khai tối thiểu?
    • Nó chọn bộ tối ưu hóa quá trình đào tạo cho mô hình
    • Nó kiểm soát khu vực đám mây nào lưu trữ mô hình
    • Nó chọn một bộ tăng tốc khi chạy
    • Các định dạng mô hình và API có các yêu cầu về tính khả dụng của hệ điều hành tối thiểu
  4. Điều gì có thể khiến các dự đoán của Core ML khác với mô hình ban đầu?
    • Tiền xử lý khác nhau, chẳng hạn như thứ tự màu hoặc chuẩn hóa
    • Tài nguyên mô hình được đổi tên trong gói ứng dụng
    • Tùy chọn đơn vị tính toán đã thay đổi
    • Số bản dựng mã nguồn khác nhau
  5. Cài đặt đơn vị tính toán có đảm bảo mọi thao tác chạy trên Neural Engine không?
    • Có, tùy chọn đơn vị tính toán đảm bảo mọi thao tác đều sử dụng Neural Engine
    • Có, cài đặt này chọn bộ tăng tốc nhanh nhất cho mọi thiết bị
    • Không; cài đặt đơn vị tính toán giới hạn các tài nguyên được phép, nhưng việc đặt phụ thuộc vào thiết bị và hỗ trợ thao tác
    • Không; Core ML chỉ thực thi trên CPU bất kể cấu hình
  6. Tại sao phải chạy điểm chuẩn trên các thiết bị mục tiêu vật lý?
    • Thời gian của Trình mô phỏng ghi lại hiện tượng điều tiết nhiệt và áp lực bộ nhớ trên mọi thiết bị mục tiêu
    • Độ trễ, bộ nhớ và năng lượng phụ thuộc vào phần cứng và hệ điều hành thực tế
    • Tất cả các dòng thiết bị Apple đều sử dụng một kế hoạch thực thi giống hệt nhau
    • Mọi thiết bị vật lý đều sử dụng cùng các định dạng mô hình được hỗ trợ bất kể phiên bản hệ điều hành
  7. Cần kiểm tra những gì khi chuyển đổi sang mô hình ML Program?
    • Rằng nó luôn sử dụng định dạng mô hình tệp đơn lẻ cũ
    • Rằng quá trình chuyển đổi thay đổi nó thành một checkpoint TensorFlow
    • Rằng một mô hình đã chuyển đổi yêu cầu một dịch vụ mạng
    • Định dạng gói và khả năng sẵn sàng của hệ điều hành tối thiểu
  8. Thực tiễn nào hỗ trợ đường dẫn dự đoán trên thiết bị đáng tin cậy?
    • So sánh đầu ra của ứng dụng sau khi tích hợp tiền xử lý và tải mô hình
    • Giả định rằng việc chuyển đổi thành công chứng minh các dự đoán tương đương
    • Chỉ kiểm tra artifact trong trình mô phỏng
    • Bỏ qua xác thực đầu vào vì mô hình đã khai báo hình dạng của nó