生成式人工智能系统应用员四级中级工 详细题库

系统部署、检查、更新 题目预览

• 第 1 题 单选题
  在将训练完成的生成式人工智能模型部署到边缘设备时，为兼顾兼容性与推理速度，通常优先选择的模型导出格式是（ ）。
  • A. ONNX
  • B. TorchScript
  • C. TensorFlow Lite
  • D. Core ML
  解析：TensorFlow Lite专为移动和边缘设备优化，支持量化与轻量化，在资源受限设备上推理速度快且兼容性好。
• 第 2 题 单选题
  若需将模型导出为跨框架通用格式，且希望保留完整的计算图与动态控制流，最适合的导出格式是（ ）。
  • A. ONNX
  • B. SavedModel
  • C. TorchScript
  • D. OpenVINO IR
  解析：ONNX是开放神经网络交换格式，支持跨框架转换，动态控制流需通过ONNX的循环、条件算子实现，相对其他格式更具通用性。
• 第 3 题 单选题
  当模型需要在英特尔CPU或集成显卡上进行硬件加速推理时，推荐导出的模型格式是（ ）。
  • A. TensorRT
  • B. OpenVINO IR
  • C. Core ML
  • D. TorchScript
  解析：OpenVINO是英特尔推出的推理优化工具，其IR格式针对英特尔硬件深度优化，可充分发挥CPU、集成显卡的加速能力。
• 第 4 题 单选题
  要求模型导出后支持动态批量大小输入，且保持较高的推理精度，以下哪种格式在动态形状支持上最为成熟？（ ）
  • A. ONNX
  • B. TensorFlow SavedModel
  • C. TorchScript
  • D. Core ML
  解析：TorchScript通过脚本化方式保留Python控制流，天然支持动态输入形状（如变长序列），而ONNX动态形状支持依赖特定算子，成熟度略低。
• 第 5 题 判断题
  将PyTorch模型导出为TorchScript格式时，既可以采用跟踪方法也可以采用脚本方法，两种方法均能完整保留模型的动态控制流。
  • A. 对
  • B. 错
  解析：跟踪方法只能记录实际执行路径，无法捕获未执行的条件分支，而脚本方法才能完整保留动态控制流，因此题述“两种方法均能完整保留”不准确。
• 第 6 题 判断题
  使用ONNX格式导出的模型，必须依赖ONNX Runtime才能在任意平台上运行推理。
  • A. 对
  • B. 错
  解析：ONNX模型可通过多种运行时（如TensorRT、OpenVINO、Core ML等）加载推理，并非强制依赖ONNX Runtime，但ONNX Runtime是最通用的选择。
• 第 7 题 多选题
  以下哪些选项属于常见的深度学习模型导出格式？（ ）
  • A. ONNX
  • B. JSON
  • C. TensorFlow SavedModel
  • D. YAML
  • E. Core ML
  解析：ONNX、TensorFlow SavedModel和Core ML均为业界广泛使用的模型序列化格式；JSON和YAML是配置文件格式，不用于存储模型权重与计算图。
• 第 8 题 多选题
  在选择生成式人工智能模型的导出格式时，需要重点考虑哪些因素？（ ）
  • A. 目标部署平台的硬件架构
  • B. 模型文件大小的存储限制
  • C. 训练数据集的样本容量
  • D. 推理延迟与吞吐量要求
  • E. 模型精度的可接受损失
  解析：硬件架构决定兼容性与加速能力（A），存储限制影响格式是否支持量化（B），推理性能要求（D）和精度损失容忍度（E）直接影响格式选择；训练数据量（C）与导出格式无关。