प्रयोग ट्रैकिंग प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. मशीन लर्निंग में प्रयोग ट्रैकिंग का प्राथमिक उद्देश्य क्या है?
   • रनों का पूरा संदर्भ रिकॉर्ड करके उन्हें पुनरुत्पादित और तुलनीय बनाना
   • मॉडलों को GPU पर तेज़ गति से प्रशिक्षित करने के लिए
   • मॉडलों को उत्पादन में स्वचालित रूप से तैनात करना
   • भंडारण के लिए मॉडल भार को संपीड़ित करने के लिए
2. एकल प्रशिक्षण को वास्तव में पुनरुत्पादित करने योग्य बनाने के लिए कौन सा संयोजन आवश्यक है?
   • केवल अंतिम सटीकता संख्या
   • कोड संस्करण, डेटासेट और हाइपरपैरामीटर
   • GPU तापमान और पंखे की गति
   • डेटा वैज्ञानिक का नाम
3. इनमें से कौन सा एक लोकप्रिय प्रयोग ट्रैकिंग उपकरण है?
   • फ़ोटोशॉप
   • कुबेरनेट्स
   • एमएलप्रवाह
   • पोस्टग्रेएसक्यूएल
4. अधिकांश प्रयोग ट्रैकर आमतौर पर प्रशिक्षण के दौरान मेट्रिक्स कैसे कैप्चर करते हैं?
   • बाद में संख्याओं को मैन्युअल रूप से एक स्प्रेडशीट में कॉपी करके
   • टर्मिनल के स्क्रीनशॉट लेकर
   • मॉडल के स्रोत कोड को पढ़कर
   • लॉगिंग एपीआई कॉल के माध्यम से प्रशिक्षण लूप में डाला जाता है जो बैकएंड पर स्ट्रीम होता है
5. सहेजे गए मॉडल वज़न जैसी बड़ी कलाकृतियाँ आमतौर पर ट्रैकिंग सिस्टम द्वारा कहाँ संग्रहीत की जाती हैं?
   • ऑब्जेक्ट/विरूपण साक्ष्य भंडारण में, मेटाडेटा स्टोर में रखे गए संदर्भों के साथ
   • मेट्रिक्स डेटाबेस पंक्ति के अंदर
   • GPU मेमोरी में स्थायी रूप से
   • इनका भंडारण ही नहीं किया जाता
6. बड़े भाषा मॉडल के युग में प्रयोग ट्रैकिंग कैसे विकसित हो रही है?
   • इसे छोड़ दिया जा रहा है क्योंकि एलएलएम को ट्रैकिंग की आवश्यकता नहीं है
   • यह अब त्वरित संस्करण, मूल्यांकन निशान और गुणात्मक आउटपुट भी कैप्चर करता है
   • यह अब केवल GPU लागतों को ट्रैक करता है
   • यह पूरी तरह से वीडियो संपादन सॉफ्टवेयर में विलय हो गया है
7. Why record a dataset version or content hash with an ML run?
   • To prove the model is unbiased
   • To guarantee identical GPU arithmetic
   • So the run can be linked to the exact data snapshot used
   • To replace the code version
8. In MLflow Tracking, where are large model files typically stored relative to parameters and metrics?
   • Only inside the metric names
   • Always embedded in the database row for each parameter
   • They are not recorded by a tracking system
   • In an artifact store, while run metadata is kept in a backend store