Checkpoint Sharding and Resumable Training Quiz

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Γιατί τα σημεία ελέγχου μεγάλων μοντέλων χωρίζονται σε θραύσματα;
   • Για να κάνετε το μοντέλο να εκπαιδεύεται πιο γρήγορα σε μικρές εισόδους
   • Για να αποκρύψετε τα βάρη του μοντέλου από τους χρήστες
   • Επειδή το μοιρασμό βελτιώνει την ακρίβεια
   • Επειδή ένα μεμονωμένο σημείο ελέγχου μπορεί να είναι πολύ μεγάλο για ένα αρχείο ή μηχάνημα για να το χειριστεί αποτελεσματικά
2. Which extra state is typically needed for training resumption beyond model weights?
   • Μόνο η τελική βαθμολογία ακρίβειας
   • Optimizer and scheduler state, step progress, RNG state, and relevant data-loader progress
   • Only a model-weight shard index
   • A screenshot of the training dashboard
3. Ποιο είναι το κύριο όφελος της επαναληπτικής εκπαίδευσης για μακροχρόνιες θέσεις εργασίας;
   • Καταργεί την ανάγκη για ένα σύνολο επικύρωσης
   • Εγγυάται ότι το μοντέλο δεν θα υπερτερεί ποτέ
   • Η συντριβή ή η προκοπή δεν επιβάλλουν την επανεκκίνηση από την αρχή
   • Εξαλείφει το βελτιστοποιητή
4. In a sharded distributed checkpoint, how can ranks avoid gathering the entire state on one worker?
   • By saving their assigned local tensor shards with checkpoint metadata
   • By each emailing a full model copy
   • By deleting optimizer state before every save
   • By disabling all state serialization
5. Τι ρόλο παίζει ένα αρχείο ευρετηρίου σε κομμένα σημεία ελέγχου;
   • Αποθηκεύει τον κωδικό πρόσβασης του χρήστη
   • Αντιστοιχίζει το όνομα κάθε παραμέτρου στο αρχείο θραύσματος που την περιέχει
   • Συμπιέζει τις εικόνες στο σύνολο δεδομένων
   • Προγραμματίζει το ρυθμό εκμάθησης
6. Ποια μορφή χρησιμοποιείται συνήθως για την ασφαλή, αντιστοιχισμένη στη μνήμη φόρτωση θραυσμάτων μοντέλου;
   • MP3
   • CSV
   • προστατευτικά
   • Αρχεία μόνο ZIP
7. A package contains safetensors weight shards and an index, but no optimizer state. What can it support by itself?
   • Loading model weights, without fully restoring optimizer training history
   • Guaranteed exact resumption of every interrupted run
   • Recovering the next batch position automatically
   • Reconstructing every random-number-generator state
8. A sharded checkpoint loader supports a new rank layout. What should the team verify before trusting recovery?
   • That fewer ranks guarantee identical floating-point results
   • That the weight index alone includes every application state
   • That no restart test is necessary
   • That the necessary saved state loads correctly and the resumed training step behaves as expected