Kvíz spojený s průvodcem · Střední úroveň
Kvíz Kubernetes for ML Workloads
Použijte umístění podů Kubernetes ML, zdroje zařízení GPU a tolerance znečištění, včetně toho, proč distribuované školení potřebuje vhodnou kapacitu pro každý uzel.
Otázka 1 z 8
Jaká je primární úloha plánovače Kubernetes pro úlohy ML?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaká je primární úloha plánovače Kubernetes pro úlohy ML?
- Psaní školícího kódu pro datové vědce
- Rozhodnutí, který uzel v clusteru spustí každý kontejnerovaný pod
- Automatické označování tréninkových dat
- Výběr architektury neuronové sítě
- Jak Kubernetes obvykle zpřístupňuje GPU modulu?
- Prostřednictvím zásuvných modulů zařízení, které inzerují zdroje, jako je nvidia.com/gpu
- Odesláním e-mailu dodavateli GPU o licenci
- V Kubernetes nelze použít GPU
- Převedením jader CPU na GPU za běhu
- With a NoSchedule taint on a GPU node, what does a matching pod toleration do?
- Forces the pod onto that node regardless of capacity
- Changes the model’s optimizer
- Allows the pod to be considered for that node without guaranteeing placement
- Encrypts every GPU tensor
- Který nástroj přidává nad Kubernetes funkce specifické pro ML, jako jsou operátory distribuovaného školení?
- Slovo Microsoft
- Apache pro obsluhu statických webových stránek
- Makro tabulky
- Kubeflow
- Proč je Kubernetes vhodný pro náročné ML úlohy?
- Plánuje úlohy na volné zdroje a po dokončení úloh uvolní tento hardware
- Trvale rezervuje všechny GPU pro jednoho uživatele
- Zabraňuje tomu, aby se jakákoliv úloha někdy zmenšila
- Spouští pouze jeden kontejner na cluster
- Co znamená „škálování koncového bodu odvození na nulu“ na Kubernetes?
- Trvalé smazání modelu
- Nastavení přesnosti na nula procent
- Spuštění nulových kopií, když není žádný provoz, a následné spuštění při dalším požadavku
- Snížení parametrů modelu na nulu
- One ML pod requests four GPUs, while two nodes each have only two available. Can ordinary scheduling combine those nodes for that one pod?
- Yes; every pod automatically spans all cluster nodes
- Yes; the scheduler converts CPU cores into the missing GPUs
- Only if the pod name contains the word distributed
- No; the pod must fit on one eligible node
- An inference service scales to zero while idle. Which user-facing delay should its team test when traffic resumes?
- The training-set labeling speed
- Cold-start delay while a serving replica becomes ready
- The file size of an unrelated notebook
- The number of discarded vocabulary tokens