iPAS 考題解析

某製造業團隊建立瑕疵偵測模型時，使用單張約20MB的高解析度工業影像作為訓練資料，並將所有影像儲存於NAS（Network Attached Storage）中。訓練時透過PyTorch搭配CNN模型於GPU上進行，工程師觀察到GPU使用率僅約20%至30%，整體訓練時間耗費數日。根據上述情境，造成GPU利用率偏低的最可能原因為何？

初級生成式AI應用與規劃難度：進階 ★★★

考試範圍定位

考試等級: 初級能力鑑定
考試科目: 生成式 AI 應用與規劃
知識主題: No code / Low code 概念
能力指標: No Code / Low Code 的基本概念（L12101）

本題屬於 iPAS AI 應用規劃師初級能力鑑定「生成式 AI 應用與規劃」科目中的「No code / Low code 概念」範疇，對應的能力指標為「No Code / Low Code 的基本概念」，涵蓋工具本身的基本認知與基礎概念等核心知識點。考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。

題目與選項

A. 模型架構過於複雜，導致反向傳播時間過長
B. 訓練資料品質不穩定，造成模型難以收斂
C. 高解析影像從NAS載入產生I/O（Input/Output）瓶頸，導致GPU等待 ✓ 正確答案
D. 批次大小（Batch Size）設定不當，導致GPU長時間閒置

詳細解析

正確答案：C. 高解析影像從NAS載入產生I/O（Input/Output）瓶頸，導致GPU等待

20MB 高解析影像從 NAS 網路載入產生 I/O 瓶頸，GPU 大部分時間在等待資料而非計算。

各選項逐一解析

理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。

A. 模型架構過於複雜，導致反向傳播時間過長（不正確）

模型過於複雜會導致 GPU 使用率高而非低，因為計算量大

B. 訓練資料品質不穩定，造成模型難以收斂（不正確）

資料品質不穩定影響收斂性但不會直接導致 GPU 使用率偏低

D. 批次大小（Batch Size）設定不當，導致GPU長時間閒置（不正確）

Batch Size 設定不當可能影響效率，但 20MB 大檔案從 NAS 載入的 I/O 瓶頸是更可能的原因

延伸學習

本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。

AI 基礎機器學習深度學習自然語言處理電腦視覺

進階題備考建議

▶ 本題屬於進階難度，涉及技術原理的深入理解或跨領域整合應用，需要紮實的基礎。
▶ 進階題通常需要你綜合多個知識點才能判斷，建議建立知識圖譜，把相關概念串聯起來。
▶ 如果這題答錯了，建議回頭複習相關的基礎概念，確保每一層知識都沒有漏洞。
▶ 中級考試的進階題佔比較高，建議先把初級範圍的基礎打穩，再挑戰中級進階題。

同主題考題練習

以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。

在企業導入AI的實施/營運階段，為持續發揮導入AI的價值，下列步驟的正確排序應為何？ A. AI價值擴散 B. 上線部署 C. 模型監控與優化

初級生成式AI應用與規劃難度 ★★☆

下列哪一個資料集專門設計用於測試大型語言模型在多領域、多任務語言理解中，涵蓋人文、科學與社會科學等領域，而非專門用於數學推理或中文專業知識？

初級生成式AI應用與規劃難度 ★★☆ 114 年

某企業希望利用含敏感資訊的資料進行 AI 模型訓練，但政策要求原始資料不得外洩，且資料可集中於安全環境中處理。同時，企業希望在資料使用過程中，即使資料處於加密狀態，仍能完成模型計算。在此需求下，下列哪一種技術最為適合？

初級生成式AI應用與規劃難度 ★★☆ 115 年

iPAS AI 應用規劃師認證簡介

iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度，分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目，著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目，要求考生具備更深入的技術知識與實務能力。本題來自初級考試範圍，適合正在準備初級認證的考生練習。

開始準備 iPAS 考試

本題來自 iPAS AI 應用規劃師初級考試。想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。

開始練習題庫進行診斷測驗初級備考指南 iPAS 總覽