Тест, свързан с ръководство · трудно Ниво

Тест за ядрото на Seldon и графиките за изводи

Проверява компонентите на Seldon inference-graph, маршрутизирането, агрегацията, DAG структурата, обслужващите протоколи и сигналите за наблюдение.

Въпрос 1 на 8

Коя е определящата характеристика, която отличава Seldon Core от сървър с единичен модел?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Коя е определящата характеристика, която отличава Seldon Core от сървър с единичен модел?
    • Графики за извод, които свързват множество компоненти
    • Вградено моделно обучение
    • Собствен драйвер за GPU
    • Автоматично етикетиране на данни
  2. Кой графичен компонент на Seldon решава към кой дъщерен възел да изпрати заявка, позволявайки A/B тестове?
    • Трансформатор
    • Рутер
    • Комбинатор
    • Модел
  3. Кой тип компонент агрегира изходи от множество модели за групиране?
    • Рутер
    • Трансформатор
    • Комбинатор
    • Инициализатор
  4. Какъв тип графична структура формира графа за извод на Seldon?
    • Циклична мрежа
    • Плосък списък
    • Само двоично дърво
    • Насочена ациклична графика (DAG)
  5. В Seldon Core v2 кой сървър и протокол позволяват мултимоделно обслужване в графиката?
    • MLServer и Open Inference Protocol
    • Обслужване на TensorFlow и само gRPC
    • Nginx и REST
    • Искра и Паркет
  6. In the Seldon Core 1 Router documentation, what can shift traffic toward better-performing models over time?
    • Nightly retraining only
    • A multi-armed bandit using live reward signals
    • Increasing the pod CPU limit
    • Caching every response
  7. Which Seldon graph component can preprocess a request or postprocess a model response?
    • Комбинатор
    • Рутер
    • Трансформатор
    • Explainer
  8. Which description of Seldon Core 2 observability is accurate?
    • Metrics, tracing and payload logging are all automatically enabled for every REST/gRPC prediction
    • It provides only GPU metrics and no tracing
    • Payload logging always stores every model request in a local file
    • Metrics are exposed; tracing requires configuration, and payload logging is limited to configured Kafka-backed pipeline paths