Κουίζ που συνδέεται με οδηγό · Σκληρό Επίπεδο

Κουίζ Seldon Core και Inference Graphs

Ελέγχει στοιχεία γραφήματος συμπερασμάτων Seldon, δρομολόγηση, συνάθροιση, δομή DAG, πρωτόκολλα εξυπηρέτησης και σήματα παρατηρητικότητας.

Ερώτηση 1 του 8

Ποιο είναι το καθοριστικό χαρακτηριστικό που διακρίνει τον Seldon Core από έναν διακομιστή ενός μοντέλου;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποιο είναι το καθοριστικό χαρακτηριστικό που διακρίνει τον Seldon Core από έναν διακομιστή ενός μοντέλου;
    • Γραφήματα συμπερασμάτων που αλυσιδώνουν πολλαπλά στοιχεία
    • Ενσωματωμένο μοντέλο εκπαίδευσης
    • Ένα ιδιόκτητο πρόγραμμα οδήγησης GPU
    • Αυτόματη επισήμανση δεδομένων
  2. Ποιο στοιχείο γραφήματος Seldon αποφασίζει σε ποιον θυγατρικό κόμβο να στείλει ένα αίτημα, επιτρέποντας δοκιμές A/B;
    • Μετασχηματιστής
    • Δρομολογητής
    • Συνδυαστής
    • Μοντέλο
  3. Ποιος τύπος συστατικού συγκεντρώνει εξόδους από πολλαπλά μοντέλα για συναρμολόγηση;
    • Δρομολογητής
    • Μετασχηματιστής
    • Συνδυαστής
    • Αρχικοποιητής
  4. Τι είδους δομή γραφήματος σχηματίζει ένα γράφημα συμπερασμάτων Seldon;
    • Ένα κυκλικό πλέγμα
    • Μια επίπεδη λίστα
    • Μόνο ένα δυαδικό δέντρο
    • Ένα κατευθυνόμενο άκυκλο γράφημα (DAG)
  5. Στο Seldon Core v2, ποιος διακομιστής και ποιο πρωτόκολλο επιτρέπουν την εξυπηρέτηση πολλών μοντέλων σε όλο το γράφημα;
    • MLServer και το Open Inference Protocol
    • Εξυπηρέτηση TensorFlow και μόνο για gRPC
    • Nginx και REST
    • Spark και παρκέ
  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?
    • Συνδυαστής
    • Δρομολογητής
    • Μετασχηματιστής
    • 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