IT英特尔考试题库
Lesson 1: Introduction, why do we need Artificial Intelligence (AI).
1.（20分）下列關于OpenVINO?工具套件的說法，哪個不是正確的?C
?A. OpenVINO?工具套件提供了一個開源版本
?B. OpenVINO?工具套件免費提供開發(fā)者下載與使用
?C. OpenVINO?工具套件提供云服務計算
?D. OpenVINO?工具套件提供了學習資料，演示示例以及具體實例
? ? ?回答正確 ??
解析：OpenVINO?工具套件并不提供云計算服務，它是免費提供開發(fā)者進行下載與使用，并且在Github上提供了開源版本。在OpenVINO?工具套件的本地文件夾中還提供了很多預訓練的模型以及如何使用OpenVINO?工具套件的演示案例及其源代碼。
2.（20分）AI的應用領域十分廣泛，如下是AI的應用領域的是：C
?A.商品零售業(yè)
?B. 公共交通
?C. 所有選項
?D. 視頻監(jiān)控
? ? ?回答正確 ??
解析：AI的應用場景十分廣泛，不僅包含了商品零售，公共交通，視頻監(jiān)控，而且在教育領域，工業(yè)領域等等其他領域都發(fā)揮著十分重要的作用。
3.（20分）在構建AI產(chǎn)品的過程中，Intel?為我們提供了什么工具來進行支持?C
?A. OpenFino ?工具套件
?B. OneVINO ?工具套件
?C. OpenVINO?工具套件
? ? ?回答正確 ??
解析：在構建AI產(chǎn)品的過程中，Intel?提供了OpenVINO?工具套件來支持開發(fā)者應對開發(fā)過程中的計算機視覺推理和神經(jīng)網(wǎng)絡優(yōu)化難題。并且開發(fā)者可以在200課程中詳細學習OpenVINO?工具集的用法。
4.（20分）由于信息時代的快速發(fā)展，每天產(chǎn)生的數(shù)據(jù)與信息不計其數(shù)，所以人類尋求使用人工智能（AI）的方式，制造出智能系統(tǒng)來幫助人類自己做信息的處理與判斷。A
?A. 正確
?B. 錯誤
? ? ?回答正確 ??
解析：針對每天產(chǎn)生的龐大數(shù)據(jù)，人們已經(jīng)無法逐一進行處理，所以人工智能（AI）是一個很好的方式來幫助人們一些重復單調(diào)的任務。以此來減小人們的工作量，并且還能獲得一個比較高的效率。
5.（20分）在英特爾這套AI課程系統(tǒng)中，我們一共有幾個階段的課程？B
?A. 2個
?B. 3個
?C. 1個
? ? ?回答正確 ??
解析：針對不同階段的受眾，我們?yōu)橄脒M行計算機視覺以及Intel? OpenVINO?工具集學習的開發(fā)者設計了3個階段的課程，分別是《100-初級課程》，《200-中級課程》以及《300-高級課程》。
Lesson 2: What is Video, what is computer vision, how do we accelerate it on modern computers.
1.（20分）視頻是由大量的圖片通過連續(xù)快速放映而產(chǎn)生的連續(xù)性的動作。B
?A. 錯誤
?B.正確
? ? ?回答正確 ??
解析：視頻是由大量的圖片通過連續(xù)快速放映而產(chǎn)生的連續(xù)性的動作。通過課程資料可知，不同的視頻對應不同的幀率，幀率對應的是每秒鐘放映的圖片數(shù)量。
2.（20分）如上圖，在課程中看到的滑雪圖片，該圖片由一個像素構成的。A
?A.錯誤
?B.正確
? ? ?回答正確 ??
解析：圖片是由大量的像素點構成的，像素的數(shù)量由圖片的長與寬確定。
3.（20分）當像素中的參數(shù)（R=255，G=0，B=0）時此像素顯示紅色，若像素中的參數(shù)為（R=0，G=0，B=255）時，該像素顯示什么顏色：B
?A.綠色
?B.藍色
?C.白色
? ? ?回答正確 ??
解析：當像素使用RGB三通道來顯示顏色時，R代表RED（紅色），G代表GREEN（綠色），B代表BLUE（藍色）并且每個通道的數(shù)值范圍是[0,255]。像素所顯示的顏色是由這三個通道給出的顏色做出疊加，所以當（R=0，G=0，B=255），像素顯示藍色。
4.（20分）OpenCV作為一個常用的計算機視覺工具庫，它能幫助我們做如下哪些操作C
?A.旋轉圖像
?B.讀取/寫入圖像
?C.所有選項
?D.尋找圖像邊緣
? ? ?回答正確 ??
解析：OpenCV是一個常用的計算機視覺庫，它不僅能夠讀寫圖像，尋找邊緣，旋轉圖像，而且還可以做一些更高級包括視頻編解碼，視頻識別推理等高級功能。
5.（20分）當改變圖片中每個像素值，使每一點的像素值更改為它的周圍8個像素的的平均值，該圖片會變得C
?A.更清晰?
?B.不變
?C. 更模糊
? ? ?回答正確 ??
解析：當像素值更改為它的周圍8個像素的平均值，相當于該像素與周圍像素差值變得更平均，過渡得更平滑，所以說圖像的邊緣被平滑化，展現(xiàn)在圖片中則是顯得整個圖片更模糊。
Lesson 3: How to accelerate Video processing
+ 一個筆記
1.（20分）一般來說，我們在互聯(lián)網(wǎng)上觀看一個1分鐘的視頻，此視頻的文件大小為10GB。A
?A.錯誤
?B.正確
? ? ?回答正確 ??
解析：一般來說，為了保證網(wǎng)絡的數(shù)據(jù)流量通暢，視頻在網(wǎng)絡上傳輸?shù)陌姹径际墙?jīng)過視頻壓縮的，一個一分鐘的視頻文件大小應該在100MB以下。
2.（20分）為了減小視頻大小，我們需要壓縮視頻，在視頻壓縮中我們需要使用冗余來替換掉視頻中出現(xiàn)的重復性數(shù)據(jù)。視頻冗余則分為：D
?A.不是時間冗余 OR 空間冗余
?B.空間冗余
?C.時間冗余
?D.時間冗余 和 空間冗余
? ? ?回答正確 ??
解析：根據(jù)課程可知，冗余分為兩類，第一類為時間冗余，指的是在一段時間內(nèi)某固定區(qū)域的像素參數(shù)不發(fā)生改變，則只存儲第一幀的參數(shù)即可，鏈接幀的參數(shù)從第一幀進行復制，來達到減少保存的像素參數(shù)數(shù)據(jù)。第二類為空間冗余，指的在畫面在變化的時候，某區(qū)域的圖像發(fā)生移動，但是區(qū)域內(nèi)的像素參數(shù)保持不變，則通過存儲第一幀的相關區(qū)域內(nèi)的參數(shù)來復制到鏈接幀發(fā)生移動的相關區(qū)域，達到減少保存的像素參數(shù)數(shù)據(jù)。
3.（20分）在被壓縮后的視頻中，用于存儲全部像素值信息的幀是：A
?A.I 幀
?B.P幀
?C.B幀
? ? ?回答正確 ??
解析：在視頻壓縮過程中，I幀用于存儲全部的像素值信息；P幀一般會存儲I幀信息的一半，剩下的一半像素值信息用前一個I幀的信息來補足；B幀一般存儲I幀信息的四分之一，B幀介于I幀與P幀之間，插值補足I幀與P幀之間的動作誤差。
4.（20分）設定解壓縮規(guī)則的是編碼解碼器，而視頻文件是則類似于一個容器包含了視頻流，音頻流以及相關信息流。B
?A.錯誤
?B.正確
? ? ?回答正確 ??
解析：編碼解碼器給視頻的壓縮制定編碼解碼規(guī)則，我們?nèi)粘Ｓ玫奖容^多的例如.MP4文件則是封裝了不同編解碼器所制定的視頻流，音頻流，或者其他信息流等等。
5.（20分）Intel?的集成顯卡作為視頻處理的硬件，我們通過什么軟件工具可以訪問底層視頻編解碼單元以及相應的加速模塊？B
?A.FFMPEG
?B.選項中任意一個
?C.Intel? Media SDK
?D.Gstreamer
?E.OpenCV
? ? ?回答正確 ??
解析：OpenCV，FFMEPEG，Gstreamer或者Intel?Media SDK都可以幫助開發(fā)者進行視頻的編解碼，并且不同軟件還提供不同的加速技術。他們都可以很方便地為開發(fā)者處理視頻提供軟硬件加速功能。
Lesson 4: How to accelerate Neural Network for vision applications
1.（20分）英特爾? OpenVINO? 工具套件中用于模型優(yōu)化以及推理加速的組件是：C
?A.模型優(yōu)化器 & 參考實例
?B.推理引擎
?C.模型優(yōu)化器 & 推理引擎
?D.參考實例
?E.模型優(yōu)化器
? ? ?回答正確 ??
解析：英特爾? OpenVINO? 工具套件用于模型優(yōu)化以及推理加速的組件是模型優(yōu)化器和推理引擎，支持開發(fā)人員在其針對英特爾 CPU、GPU（英特爾?集成顯卡）、VPU 和 FPGA 產(chǎn)品的應用中部署優(yōu)化的預訓練深度學習模型。
2.（20分）僅憑有4只腳和1一個尾巴是不足以判斷是否是一只小貓。所以用來判斷小貓的是必須需要多層特征結構的神經(jīng)網(wǎng)絡。A
?A.正確
?B.錯誤
? ? ?回答正確 ??
解析：僅有兩個特征不足以判斷某一圖片是一只小貓的圖片，在日常的認知中，需要更多的特征去準確判斷一個物體的屬性。對于神經(jīng)網(wǎng)絡來說層數(shù)越多則代表包含的特征越多，若是只有一層則可能包含的特征比較少，不能準確地進行判斷，所以我們需要多層結構的神經(jīng)網(wǎng)絡。
3.（20分）深度學習模型應用于方方面面，以下是常用的模型分類是：E
?A.目標追蹤
?B.物體分類
?C.人臉識別
?D.圖像分割
?E.所有選項
? ? ?回答正確 ??
解析：深度學習模型不僅能用于除了題設中的這幾類模型，深度學習模型的可擴展性非常強，也可以用于許多非視覺領域中，例如動作識別，聲波識別等等。
4.（20分）模型優(yōu)化器是一種基于 Python* 的工具，可將輸入的訓練模型從標準框架轉換為統(tǒng)一的 IR 文件。A
?A.正確
?B.錯誤
? ? ?回答正確 ??
解析：模型優(yōu)化器是一種跨平臺的命令行工具，可促進訓練和部署環(huán)境之間的轉換，執(zhí)行靜態(tài)模型分析，并將深度學習模型調(diào)整為中間表示 (IR) ，通過推理引擎實現(xiàn)最佳執(zhí)行。
5.（20分）理想情況下，當深度神經(jīng)網(wǎng)絡訓練完成時，訓練網(wǎng)絡的誤差將會：C
?A.趨近1
?B.趨近100
?C.趨近0
? ? ?回答正確 ??
解析：深度學習中，訓練的定義就是通過不斷地改變神經(jīng)網(wǎng)絡的參數(shù)來使神經(jīng)網(wǎng)絡輸出值與目標值之間的誤差越來小。在理想情況下，當深度神經(jīng)網(wǎng)絡訓練完成時，用于驗證的數(shù)據(jù)正確率將會達到百分之百，換句話說，每一次推理都會是正確的，所以訓練網(wǎng)絡的誤差將無限接近于0。
Lesson 5: Video Analytics pipeline
1.（20分）在OpenVINO?工具套件中，主要用于推理加速神經(jīng)網(wǎng)絡模型的模塊是：A
?A.Deep learning Deployment toolkit
?B.全部選項
?C.intel? Media SDK
?D.OpenCV
? ? ?回答正確 ??
解析：在OpenVINO?工具套件中，主要用于推理加速神經(jīng)網(wǎng)絡模型的模塊是Deep learning Deployment toolkit（DLDT）,其主要組件是模型優(yōu)化器和推理引擎。
2.（20分）Intel? Media SDK可以用于視頻中圖像的推理。B
?A.正確
?B.錯誤
? ? ?回答正確 ??
解析：ntel? Media SDK作為英特爾?提供一系列視頻圖像解決方案工具套件，其中包含了視頻的編解碼，以及針對圖像的各類操作，但是其不具有在視覺應用中的推理功能。開發(fā)者可以使用Intel?OpenVINO?工具套件中的深度學習部署工具套件，利用深度學習模型實現(xiàn)視覺應用中的推理功能。
3.（20分）英特爾? OpenVINO? 工具套件不支持傳統(tǒng)的計算機視覺庫，包括OpenCV 和 OpenVX。 B
?A.正確
?B.錯誤
? ? ?回答正確 ??
解析：英特爾? OpenVINO? 工具套件支持傳統(tǒng)的計算機視覺庫，包括 OpenCV 和 OpenVX。OpenCV 和 OpenVX 等優(yōu)化庫作為英特爾? OpenVINO? 工具套件的一部分提供，以幫助開發(fā)和優(yōu)化英特爾? 產(chǎn)品的計算機視覺和圖像處理流程。
4.（20分）英特爾? OpenVINO? 工具套件支持以下操作系統(tǒng)：E
?A.macOS*
?B.Ubuntu*
?C.CentOS*
?D.Windows? 10
?E.全部選項
? ? ?回答正確 ??
解析：英特爾? OpenVINO? 工具套件可為在 Ubuntu*、CentOS*、Yocto Project*、Windows*、Raspbian* OS 和 macOS* 上運行的應用提供計算機視覺和深度學習支持。
5.（20分）在視頻每幀圖像處理流程中，在解碼部分進行圖像的縮放以及重定義大小操作。A
?A.錯誤
?B.正確
? ? ?回答正確 ??
解析：在視頻單幀處理流程中，在解碼部分是對視頻文件進行解壓，以此得到需要處理的原始圖像，而在預處理階段對此圖像進行圖像的縮放，變化大小，以及裁剪相關感興趣的區(qū)域等等操作。
Lesson 6: Demos, OpenVINO at work
1.（20分）視頻演示中讀入的模型文件是什么格式？A
?A..xml 文件
?B..h5 和 .xml 文件
?C..bin 文件
?D..h5 文件
? ? ?回答正確 ??
解析：模型優(yōu)化器會生成模型的中間表示 (IR) 文件，可以使用推理引擎對其進行讀取、加載和推理。中間表示包括一個描述網(wǎng)絡拓撲的 .xml 文件和一個包含權重數(shù)據(jù)的 .bin 文件。一般用XML文件作為讀入模型的文件，應用程序會通過前綴尋找到相同文件目錄下的.BIN文件自動讀入。
2.（20分）推理引擎允許開發(fā)人員使用哪些設備用于推理？A
?A.所有選項全部
?B.GPU（英特爾?集成顯卡）
?C.VPU
?D.所有選項都不是
?E.FPGA
?F.CPU
? ? ?回答正確 ??
解析：英特爾? OpenVINO? 工具套件提供的推理引擎允許開發(fā)人員以英特爾的硬件平臺產(chǎn)品組合為目標。這些產(chǎn)品包括英特爾? CPU、GPU、VPU 和 FPGA 產(chǎn)品。
3.（20分）一個計算機視覺應用中允許使用兩個或者更多個模型。B
?A.錯誤
?B.正確
? ? ?回答正確 ??
解析：在一個計算機視覺應用中，如果有兩個或者多個不同需求的任務并行運行，則該應用中每一個模型會用于解決不同需求的任務。所以根據(jù)需求，一個應用是可以使用多個模型的。
4.（20分）OpenVINO ?預訓練模型主題包括：A
?A.所有選項
?B.車輛特征識別
?C.行人檢測 和 車輛特征識別
?D.行人檢測
?E.面部檢測
? ? ?回答正確 ??
解析：英特爾? OpenVINO? 工具套件提供經(jīng)過優(yōu)化、公開可用的預訓練模型。其中一些模型涵蓋了人臉檢測、人體檢測和車輛特征識別等功能。
5.（20分）當某一開發(fā)者想要去設計一個統(tǒng)計商場人流的計算機視覺應用，通過課程中提到的行人追蹤示例，將此示例應用于商場中攝像頭上，每當此商場攝像頭出現(xiàn)一個相同的人，則人流量數(shù)據(jù)統(tǒng)計總數(shù)加一。若只有一個攝像頭，那么這個攝像頭置于商場的哪個位置會比較合適？C
?A.停車場
?B.衛(wèi)生間
?C.商場行人進出大門
? ? ?回答正確 ??
解析：這是一道實際應用題，根據(jù)題意，衛(wèi)生間或者停車場的人流數(shù)據(jù)可能會造成人流的統(tǒng)計不足商場大門的流量準確，所以最好的位置應該是位于商場的行人進出大門。同時你也可以想一想在這個實例中，怎么做才能使得應用計算機視覺推理的方案統(tǒng)計得更加準確。
Lesson 7: The full flow, from Data to a product using Intel tools-Part 1.
1.（20分）使用Intel的CPU的推理效果一定比它的集成顯卡性能好。B
?A.正確
?B.錯誤
? ? ?回答正確 ??
解析：由于Intel?集成顯卡的快速發(fā)展，在最新一代的集成顯卡已經(jīng)有了一個強大多流處理器的核心單元，處理推理任務時集成顯卡也能獲得一個不錯的效果。所以在每一個推理任務中，我們必須去測試CPU與集成顯卡的實際性能，Intel?的CPU的推理性能有可能不及它的集成顯卡。
2.（20分）英特爾? OpenVINO? 工具套件專注于深度學習推理，而非訓練。A
?A.正確
?B.錯誤
? ? ?回答正確 ??
解析：英特爾? OpenVINO? 工具套件是一個全面的工具套件，支持開發(fā)人員優(yōu)化預訓練的深度學習模型，在一系列英特爾? 產(chǎn)品中執(zhí)行高效的推理操作。
3.（20分）在AI產(chǎn)品落地前，必須經(jīng)過本地測試來確保實際推理性能滿足理論設置的推理性能要求。A
?A.正確
?B.錯誤
? ? ?回答正確 ??
解析：在AI產(chǎn)品落地前，必須經(jīng)過性能測試，以及實際的設備測試，來保證AI產(chǎn)品滿足所需求的性能。因為實際落地情況和理論性能都會存在一定差距，也許是電壓問題或者傳輸?shù)膸挾紩绊懽罱K產(chǎn)品的性能，所以建議每一個產(chǎn)品都需要在最后做一個落地測試。
4.（20分）OpenVINO?不支持最新的Intel智能硬件，比如第二代神經(jīng)電腦棒 (NCS2)。A
?A.錯誤
?B.正確
? ? ?回答正確 ??
解析：OpenVINO?會實時支持英特爾?推出的新的硬件，不論是最新的第十代處理器還是第二代神經(jīng)計算棒，OpenVINO?都已經(jīng)完全支持了。之后繼續(xù)推出的智能硬件產(chǎn)品，OpenVINO?都會不斷進行支持。
5.（20分）在推理前必須準備好一個訓練好的模型，構建這個模型的框架可以是：F
?A.Kaldi
?B.TensorFlow，Caffe和 Kaldi
?C.Caffe
?D.MXNet
?E.TensorFlow
?F.所有選項
? ? ?回答正確 ??
解析：OpenVINO?工具套件專注于深度學習的推理加速，開發(fā)者在使用前必須準備一個已經(jīng)訓練好的模型，這些訓練好的模型必須是如下的框架：Caffe，TensorFlow，MXNet，ONNX，Kaldi。目前不直接支持Pytorch，但是可以通過Pytorch轉ONNX的方式來使用OpenVINO?工具套件。
Lesson 8: The full flow, from Data to a product using Intel tools-Part 2.
1.（20分）在模型訓練進行之前，必須準備好送入模型的數(shù)據(jù)集，以下4個對數(shù)據(jù)集的準備操作：（A-數(shù)據(jù)清洗，B-裁剪分離目標區(qū)域，C-收集數(shù)據(jù)，D-數(shù)據(jù)標注），正確的順序是：D
?A.A->B->C->D
?B.B->C->A->D
?C.D->A->B->C
?D.C->A->B->D
? ? ?回答正確 ??
解析：在準備模型時，可以通過其他軟件進行訓練。準備訓練數(shù)據(jù)集的正確順序先收集所有需要的數(shù)據(jù)，再對這些數(shù)據(jù)進行清洗拿到真正有用的數(shù)據(jù)，將這些數(shù)據(jù)里需要的信息進行裁剪分離，最后對這些分離的數(shù)據(jù)進行信息標注，這樣的數(shù)據(jù)集作為我們訓練的輸入數(shù)據(jù)集。
2.（20分）在AI開發(fā)的過程中，合理運用已經(jīng)集成好的軟件工具能減小的開發(fā)工作量。例如，使用Gstreamer+OpenVINO?的組合，可以完整提供圖像處理流程中的包括編解碼，圖像處理，以及圖像推理的功能。A
?A.正確
?B.錯誤
? ? ?回答正確 ??
解析：Gstreamer是一個是用來構建流媒體應用的開源多媒體框架(framework)，其目標是要簡化音/視頻應用程序的開發(fā)。OpenVINO?是一個專注處理視覺推理以及神經(jīng)網(wǎng)絡優(yōu)化的工具討教。兩者在構建AI產(chǎn)品的流程中都可以發(fā)揮巨大的作用，可以使用兩者提供的API來快速構建AI產(chǎn)品。
3.（20分）OpenVINO?工具套件提供了許多Demo和示例供開發(fā)者進行初步學習，這些示例使用的開發(fā)語言有：D
?A.所有選項
?B.Basic
?C.C++
?D.C++ & Python
?E.Python
? ? ?回答正確 ??
解析：在OpenVINO?工具套件提供了許多Demo和示例為開發(fā)者的開發(fā)工作進行參考。在這些示例中，有基于C++和基于Python的例子。開發(fā)者在初學階段可以使用這些例子快速上手OpenVINO?工具套件，在后期使用階段也可以參考例子的結構寫法，合理高效地使用OpenVINO?工具套件加速視覺應用的推理任務。
4.（20分）關于推理的性能評估，intel?為開發(fā)者準備了多個工具，包括了：D
?A.Dev-Cloud
?B.OpenVINO?工具套件中的Benchmark App
?C.DL Workbench
?D.所有選項
? ? ?回答正確 ??
解析：intel?為開發(fā)者準備了：Benchmark App用來直接輸入模型，獲取模型的FPS參數(shù)性能；Dev-Cloud是一個巨大的服務器，里面裝載了最新的Intel?硬件，可以供開發(fā)者運行OpenVINO?在最新的設備上測試性能；DL Workbench是一個網(wǎng)頁應用，可以直接通過瀏覽器訪問一個OpenVINO?工具套件圖形化的性能調(diào)優(yōu)與測試平臺。
5.（20分）英特爾? OpenVINO? 工具套件提供了一個實用程序“模型下載器”，用于從互聯(lián)網(wǎng)下載公開可用的預訓練模型。A
?A.正確
?B.錯誤
? ? ?回答正確 ??
解析：“模型下載器”是英特爾? OpenVINO? 工具套件提供的關鍵實用程序之一。它為開發(fā)人員提供了一個命令行界面，可下載各種問題領域的各種公開可用的開源預訓練深度神經(jīng)網(wǎng)絡 (DNN) 模型。
Lesson 9: Summary, intro to next course (200)
1.（20分）Intel?的集成顯卡可以用于加速視頻的編解碼。B
?A.錯誤
?B.正確
? ? ?回答正確 ??
解析：在Intel?的集成顯卡中，有對應的視頻編解碼加速單元，所以在處理視頻的編解碼時，使用集成顯卡可以進行編解碼加速以及能夠同時處理多路的視頻流。
2.（20分）視頻的壓縮目的是為了解決視頻過大過多消耗資源的問題。B
?A.錯誤
?B.正確
? ? ?回答正確 ??
解析：視頻壓縮技術使視頻文件大小減小，有利于視頻的傳輸，能夠節(jié)約視頻文件的儲存空間。
3.（20分）簡單來說，什么是 OpenVINO?？D
?A.一種操作系統(tǒng)
?B.一家云服務提供商
?C.一種編程語言
?D.一種工具套件
? ? ?回答正確 ??
解析：Intel? OpenVINO? 工具套件是一款全面的工具套件，支持開發(fā)人員快速開發(fā)能夠模擬人類視覺的應用和解決方案。
4.（20分）關于OpenVINO?工具套件的說法，以下不正確的是：C
?A.在使用OpenVINO?工具套件前，必須搭建并訓練好自己模型或者下載好已經(jīng)訓練好的模型。
?B.OpenVINO?工具套件針對提升的領域是模型的推理。
?C.OpenVINO?工具套件能夠進行模型的搭建以及模型的訓練。
?D.OpenVINO?工具套件的意義在于能讓開發(fā)者在使用Intel?任何硬件進行模型推理的時候，提高它的推理性能。
? ? ?回答正確 ??
解析：OpenVINO?工具套件是服務模型的推理而存在的，它并不能進行模型的搭建。我們必須在使用OpenVINO?工具套件前，搭建并訓練好自己模型或者下載好已經(jīng)訓練好的模型OpenVINO?工具套件的意義在于能讓開發(fā)者在使用Intel?任何硬件進行模型推理的時候，提高它的推理性能。
5.（20分）為了構建出一個成熟的AI產(chǎn)品，流程中包含什么步驟：E
?A.模型選擇、 硬件選擇和 完整工作流程搭建
?B.完整工作流程搭建
?C.模型選擇
?D.硬件選擇
?E.所有選項
?F.性能評估
? ? ?回答正確 ??
解析：通過課程可知，在構建AI產(chǎn)品過程中，以上選項都是必須的。除此以外，其實在實際生產(chǎn)中，還需要對每一個步驟有一個更深層次的設計與實驗。最終產(chǎn)品的落地，肯定都是在多次實驗，以及對于性能不斷調(diào)優(yōu)之后得出一個結果。若您對這些十分感興趣，歡迎來參加我們提供的200中級課程。：）
總結
- 上一篇： 别让CDN的回源把你的服务器拖垮
- 下一篇： RockChip Linux USB 开