Kvíz spojený s průvodcem · Střední úroveň

Ray pro distribuovaný kvíz AI

Ověřte si, jak rozumíte úlohám Ray, aktérům, referencím objektů, distribuovaným knihovnám a tomu, jak se objektová data pohybují v rámci clusteru.

Otázka 1 z 8

Jaký problém Ray primárně řeší?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaký problém Ray primárně řeší?
    • Škálování úloh Pythonu a AI z jednoho počítače na velký cluster s minimální změnou kódu
    • Automatické označování obrázků
    • Komprimace souborů modelu
    • Navrhování architektur neuronových sítí
  2. Jaký je v Rayi rozdíl mezi „úkolem“ a „hercem“?
    • Úkoly jsou pro obrázky a herci pro text
    • Úloha je bezstavové volání paralelní funkce; herec je stavový pracovník, který zastává stát
    • Jsou totožné
    • Úlohy běží pouze na CPU a aktéři pouze na tiskárnách
  3. Co Ray okamžitě vrátí, když spustíte vzdálenou úlohu?
    • Konečný výsledek, vždy
    • Chybová zpráva
    • Budoucnost (odkaz na objekt), kterou později vyřešíte pomocí ray.get()
    • Kopie celého clusteru
  4. Která knihovna Ray je navržena pro distribuované vyhledávání hyperparametrů?
    • Ray Serve
    • Ray Data
    • RLlib
    • Ray Tune
  5. Which object type do Ray’s docs explicitly say can be read from same-node object-store memory without a copy?
    • A NumPy array stored in Ray’s object store
    • Any Python object whenever an ObjectRef is passed
    • An object requested from another node with no network transfer
    • Only actor handles stored in a separate database
  6. Kterou knihovnu Ray byste použili k nasazení modelů za škálovatelným koncovým bodem s automatickým škálováním?
    • Ray Tune
    • Ray Serve
    • Ray Train
    • Ray Data
  7. How does Ray Serve decide when to add replicas in its built-in request-driven autoscaling?
    • It reads the model’s training loss
    • It changes the number of model parameters
    • It monitors ongoing requests or queue demand against configured targets
    • It scales only when a human edits the deployment
  8. How does Ray move an object when a task on a different node needs it?
    • It shares the owner’s local memory directly across every node
    • It automatically copies all objects into each node’s GPU memory
    • It sends only an ObjectRef and never transfers the object data
    • It transfers the object over the cluster network; serialization, locality, and object size affect cost