Útmutatóhoz kapcsolódó kvíz · Közepes Szint
KServe és modellszolgáltatás a Kubernetes kvízen
Checks KServe’s InferenceService, model artifact loading, runtime autoscaling, serving components and standardized prediction protocol.
kérdés 1 -ból 8
Mi volt a KServe korábbi neve, mielőtt önálló projektté vált?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mi volt a KServe korábbi neve, mielőtt önálló projektté vált?
- KFServing
- KubeML
- ModelMesh
- Knatív modellek
- Mi az az elsődleges egyéni Kubernetes-erőforrás, amelyet a KServe-vel való modell telepítéséhez határoz meg?
- ModelDeployment
- InferenceService
- PredictPod
- Kiszolgálódiagram
- Melyik képesség teszi lehetővé, hogy a tétlen KServe modellek nulla számítási felhasználást végezzenek a kérés megérkezéséig?
- Kanári kiterjesztés
- Felosztás
- Skála nullára
- Kötegelt következtetés
- Melyik mögöttes projekt biztosítja a KServe kérésvezérelt automatikus skálázását?
- Prométheusz
- Helm
- Argo
- Knative
- Hogyan helyezi el a KServe a modellműtermékeket egy kiszolgáló podba indításkor?
- Tárolás-inicializálón keresztül, amely az objektumtárolóból lehívja
- Csak úgy, hogy modelleket süt a tartály képébe
- A modellfájl e-mailben történő elküldésével
- Kézi kubectl másolaton keresztül
- Milyen szabványt használ a KServe, hogy a kliensek egyformán hívhassák a különböző modelleket?
- GraphQL Föderáció
- A nyílt következtetési protokoll
- SZAPPAN
- JDBC
- In KServe’s InferenceService pipeline, which component can apply pre- or post-processing around the predictor?
- The storage initializer
- The Knative autoscaler
- A transzformátor
- The Kubernetes scheduler
- What is a typical trade-off of scaling a model deployment down to zero replicas?
- The model becomes permanently unavailable
- Every request avoids model loading
- The Kubernetes API is replaced
- Idle compute is reduced, but the next request may incur a cold-start delay