Quiz collegato alla guida · Medio Livello

Quiz su Kubernetes per carichi di lavoro ML

Applica il posizionamento dei pod Kubernetes ML, le risorse del dispositivo GPU e le tolleranze di contaminazione, incluso il motivo per cui la formazione distribuita richiede una capacità per nodo adeguata.

Percorsi guida correlatiKubernetes per carichi di lavoro ML
Domanda 1 di 8

Qual è il compito principale dello scheduler Kubernetes per i carichi di lavoro ML?

Anteprima di ogni domanda8 domande

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

  1. Qual è il compito principale dello scheduler Kubernetes per i carichi di lavoro ML?
    • Scrivere il codice di formazione per i data scientist
    • Decidere quale nodo nel cluster esegue ciascun pod containerizzato
    • Etichettatura automatica dei dati di allenamento
    • Scelta dell'architettura della rete neurale
  2. In che modo Kubernetes in genere rende le GPU disponibili per un pod?
    • Attraverso plug-in del dispositivo che pubblicizzano risorse come nvidia.com/gpu
    • Inviando un'e-mail al fornitore della GPU per una licenza
    • Le GPU non possono essere utilizzate in Kubernetes
    • Convertendo i core della CPU in GPU in fase di 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. Quale strumento aggiunge funzionalità specifiche del machine learning come gli operatori di formazione distribuita su Kubernetes?
    • Microsoft Parola
    • Apache per servire pagine web statiche
    • Una macro del foglio di calcolo
    • Kubeflow
  5. Perché Kubernetes è adatto ai carichi di lavoro ML a raffica?
    • Pianifica i lavori su risorse libere e libera l'hardware al termine dei lavori
    • Riserva permanentemente tutte le GPU per un utente
    • Impedisce che qualsiasi lavoro venga ridimensionato
    • Esegue solo un contenitore per cluster
  6. Cosa significa "ridimensionare un endpoint di inferenza a zero" su Kubernetes?
    • Eliminazione permanente del modello
    • Impostazione della precisione allo zero percento
    • Esecuzione di zero copie quando non c'è traffico, quindi avvio alla richiesta successiva
    • Riduzione dei parametri del modello a zero
  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