Тест, свързан с ръководство · Среден Ниво

Kubeflow и ML Pipeline Orchestration Quiz

Тествайте компонентите на тръбопровода на Kubeflow, компилирането на KFP v2 и решенията за кеширане, включително как графиките на зависимости координират работните натоварвания на Kubernetes.

Свързани ръководни пътекиKubeflow и ML Pipeline оркестрация
Въпрос 1 на 8

На каква основна платформа Kubeflow изпълнява работни потоци за машинно обучение?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. На каква основна платформа Kubeflow изпълнява работни потоци за машинно обучение?
    • Apache Hadoop
    • Гол метален клъстер Slurm
    • Kubernetes
    • Една виртуална машина
  2. В Kubeflow Pipelines как обикновено е пакетирана всяка стъпка от работния процес?
    • Като контейнеризиран компонент, работещ в под
    • Като съхранена процедура в база данни
    • Като функция без сървър на CDN
    • Като единичен монолитен скрипт
  3. Каква структура използва тръбопроводът на Kubeflow, за да изрази реда и зависимостите на стъпките?
    • Плосък списък, изпълнен отгоре надолу
    • Кръгов цикъл на събитията
    • Релационна схема
    • Насочена ациклична графика (DAG)
  4. Кой компонент на Kubeflow е предназначен за автоматизирана настройка на хиперпараметър?
    • KServe
    • Катиб
    • MinIO
    • Арго
  5. With KFP caching enabled, why might a rerun reuse a previous component result?
    • A matching eligible execution already has cached outputs
    • KFP never executes a component more than once
    • KFP ignores every input change
    • KFP randomly chooses which pods to skip
  6. Кой компонент на Kubeflow се използва основно за обслужване на обучени модели за извод?
    • Катиб
    • Сървъри за преносими компютри
    • Арго CD
    • KServe
  7. A team adopts KFP v2. What does the normal compiler output represent?
    • A trained model checkpoint
    • A PipelineSpec serialized as Intermediate Representation YAML
    • A universal Argo Workflows specification for every KFP version
    • A SQL query plan for the artifact database
  8. A Kubeflow step reads a file overwritten at an unchanged URI. Why might its cache need to be disabled or the input version changed?
    • Kubernetes forbids external files
    • Every pipeline input is automatically content-hashed
    • The tracked input can stay the same while the file’s contents change
    • Caching always reruns components on every request