Quiz lié à un guide · Difficile Niveau
Quiz Seldon Core et graphiques d'inférence
Vérifie les composants du graphe d'inférence Seldon, le routage, l'agrégation, la structure DAG, les protocoles de service et les signaux d'observabilité.
Question 1 de 8
Quelle est la caractéristique déterminante qui distingue Seldon Core d’un serveur à modèle unique ?
Prévisualisez chaque question8 des questions
Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.
- Quelle est la caractéristique déterminante qui distingue Seldon Core d’un serveur à modèle unique ?
- Graphiques d'inférence qui enchaînent plusieurs composants
- Formation de modèle intégrée
- Un pilote GPU propriétaire
- Étiquetage automatique des données
- Quel composant graphique Seldon décide à quel nœud enfant envoyer une requête, permettant ainsi les tests A/B ?
- Transformateur
- Routeur
- Combineur
- Modèle
- Quel type de composant regroupe les sorties de plusieurs modèles pour l’assemblage ?
- Routeur
- Transformateur
- Combineur
- Initialiseur
- Quel type de structure de graphe forme un graphe d'inférence de Seldon ?
- Un maillage cyclique
- Une liste plate
- Un arbre binaire uniquement
- Un graphe acyclique orienté (DAG)
- Dans Seldon Core v2, quels serveurs et protocoles permettent une diffusion multimodèle sur le graphique ?
- MLServer et le protocole d'inférence ouvert
- TensorFlow Serving et gRPC uniquement
- Nginx et REST
- Étincelle et Parquet
- 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
- Which Seldon graph component can preprocess a request or postprocess a model response?
- Combineur
- Routeur
- Transformateur
- Explainer
- 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