Quiz collegato alla guida · Medio Livello

Quiz sull'orchestrazione della pipeline Kubeflow e ML

Testa i componenti della pipeline Kubeflow, la compilazione KFP v2 e le decisioni sulla memorizzazione nella cache, incluso il modo in cui i grafici delle dipendenze coordinano i carichi di lavoro Kubernetes.

Domanda 1 di 8

Su quale piattaforma sottostante Kubeflow esegue i flussi di lavoro di machine learning?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Su quale piattaforma sottostante Kubeflow esegue i flussi di lavoro di machine learning?
    • Apache Hadoop
    • Un ammasso Slurm di puro metallo
    • Kubernetes
    • Una singola macchina virtuale
  2. In Kubeflow Pipelines, come viene generalmente confezionato ogni passaggio di un flusso di lavoro?
    • Come componente containerizzato in esecuzione in un pod
    • Come procedura memorizzata in un database
    • Come funzione serverless su una CDN
    • Come un'unica scrittura monolitica
  3. Quale struttura utilizza una pipeline Kubeflow per esprimere l'ordine e le dipendenze dei passaggi?
    • Un elenco semplice eseguito dall'alto verso il basso
    • Un ciclo di eventi circolare
    • Uno schema relazionale
    • Un grafico aciclico diretto (DAG)
  4. Quale componente Kubeflow è dedicato all'ottimizzazione automatizzata degli iperparametri?
    • Kserve
    • Katib
    • MinIO
    • Argo
  5. Con la cache KFP abilitata, perché una riesecuzione potrebbe riutilizzare il risultato di un componente precedente?
    • Un'esecuzione idonea corrispondente ha già output nella cache
    • KFP non esegue mai un componente più di una volta
    • KFP ignora ogni modifica di input
    • KFP sceglie casualmente quali pod saltare
  6. Quale componente Kubeflow viene utilizzato principalmente per fornire modelli addestrati per l'inferenza?
    • Katib
    • Server portatili
    • Disco Argo
    • Kserve
  7. Un team adotta KFP v2. Cosa rappresenta l'output del compilatore normale?
    • Un checkpoint di modello addestrato
    • Un PipelineSpec serializzato come YAML di Rappresentazione Intermedia
    • Una specifica universale di Argo Workflows per ogni versione di KFP
    • Un piano di query SQL per il database degli artefatti
  8. Un passo di Kubeflow legge un file sovrascritto a un URI invariato. Perché potrebbe essere necessario disabilitare la cache o cambiare la versione dell'input?
    • Kubernetes vieta file esterni
    • Ogni input del pipeline è automaticamente hashato per contenuto
    • L'input tracciato può rimanere lo stesso mentre i contenuti del file cambiano
    • La cache rielabora sempre i componenti ad ogni richiesta