Kubernetes untuk Kuis Beban Kerja ML

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa tugas utama penjadwal Kubernetes untuk beban kerja ML?
   • Menulis kode pelatihan untuk data scientist
   • Memutuskan node mana dalam cluster yang menjalankan setiap pod dalam container
   • Memberi label pada data pelatihan secara otomatis
   • Memilih arsitektur jaringan saraf
2. Bagaimana biasanya Kubernetes menyediakan GPU untuk sebuah pod?
   • Melalui plugin perangkat yang mengiklankan sumber daya seperti nvidia.com/gpu
   • Dengan mengirim email ke vendor GPU untuk mendapatkan lisensi
   • GPU tidak dapat digunakan di Kubernetes
   • Dengan mengubah inti CPU menjadi GPU saat runtime
3. With a NoSchedule taint on a GPU node, what does a matching pod toleration do?
   • Forces the pod onto that node regardless of capacity
   • Changes the model’s optimizer
   • Allows the pod to be considered for that node without guaranteeing placement
   • Encrypts every GPU tensor
4. Alat manakah yang menambahkan kemampuan khusus ML seperti operator pelatihan terdistribusi selain Kubernetes?
   • Microsoft Kata
   • Apache untuk melayani halaman web statis
   • Makro spreadsheet
   • aliran kube
5. Mengapa Kubernetes cocok untuk beban kerja ML yang meledak-ledak?
   • Ini menjadwalkan pekerjaan ke sumber daya gratis dan membebaskan perangkat keras tersebut ketika pekerjaan selesai
   • Ini secara permanen mencadangkan semua GPU untuk satu pengguna
   • Ini mencegah pekerjaan apa pun diperkecil
   • Ini hanya menjalankan satu kontainer per cluster
6. Apa yang dimaksud dengan 'menskalakan titik akhir inferensi ke nol' di Kubernetes?
   • Menghapus model secara permanen
   • Menyetel akurasi ke nol persen
   • Menjalankan salinan nol saat tidak ada lalu lintas, lalu menjalankannya pada permintaan berikutnya
   • Mengurangi parameter model menjadi nol
7. One ML pod requests four GPUs, while two nodes each have only two available. Can ordinary scheduling combine those nodes for that one pod?
   • Yes; every pod automatically spans all cluster nodes
   • Yes; the scheduler converts CPU cores into the missing GPUs
   • Only if the pod name contains the word distributed
   • No; the pod must fit on one eligible node
8. An inference service scales to zero while idle. Which user-facing delay should its team test when traffic resumes?
   • The training-set labeling speed
   • Cold-start delay while a serving replica becomes ready
   • The file size of an unrelated notebook
   • The number of discarded vocabulary tokens