Kuis terkait panduan · Sedang Tingkat

Ray untuk Kuis AI Terdistribusi

Periksa pemahaman Anda tentang tugas Ray, aktor, referensi objek, perpustakaan terdistribusi, dan bagaimana data objek berpindah dalam sebuah cluster.

Jalur panduan terkaitRay Untuk AI Terdistribusi
Pertanyaan 1 dari 8

Masalah apa yang terutama dipecahkan oleh Ray?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Masalah apa yang terutama dipecahkan oleh Ray?
    • Menskalakan beban kerja Python dan AI dari satu mesin ke cluster besar dengan perubahan kode minimal
    • Memberi label pada gambar secara otomatis
    • Mengompresi file model
    • Merancang arsitektur jaringan saraf
  2. Di Ray, apa perbedaan antara 'tugas' dan 'aktor'?
    • Tugas untuk gambar dan aktor untuk teks
    • Tugas adalah pemanggilan fungsi paralel tanpa kewarganegaraan; seorang aktor adalah pekerja berstatus negara yang memegang negara
    • Mereka identik
    • Tugas hanya dijalankan pada CPU dan aktor hanya dijalankan pada printer
  3. Apa yang langsung dikembalikan Ray saat Anda meluncurkan tugas jarak jauh?
    • Hasil akhirnya, selalu
    • Pesan kesalahan
    • Masa depan (referensi objek) yang nantinya Anda selesaikan dengan ray.get()
    • Salinan seluruh cluster
  4. Pustaka Ray manakah yang dirancang untuk pencarian hyperparameter terdistribusi?
    • Ray Melayani
    • Data Sinar
    • RLlib
    • Lagu Ray
  5. Jenis objek manakah yang menurut dokumen Ray secara eksplisit dapat dibaca dari memori penyimpanan objek dengan node yang sama tanpa salinan?
    • A NumPy array stored in Ray’s object store
    • Any Python object whenever an ObjectRef is passed
    • An object requested from another node with no network transfer
    • Only actor handles stored in a separate database
  6. Pustaka Ray manakah yang akan Anda gunakan untuk menerapkan model di belakang titik akhir penskalaan otomatis yang dapat diskalakan?
    • Lagu Ray
    • Ray Melayani
    • Kereta Ray
    • Data Sinar
  7. How does Ray Serve decide when to add replicas in its built-in request-driven autoscaling?
    • It reads the model’s training loss
    • It changes the number of model parameters
    • It monitors ongoing requests or queue demand against configured targets
    • It scales only when a human edits the deployment
  8. How does Ray move an object when a task on a different node needs it?
    • It shares the owner’s local memory directly across every node
    • It automatically copies all objects into each node’s GPU memory
    • It sends only an ObjectRef and never transfers the object data
    • It transfers the object over the cluster network; serialization, locality, and object size affect cost