Quiz collegato alla guida · Difficile Livello

Seldon Core e quiz sui grafici di inferenza

Controlla i componenti del grafico di inferenza di Seldon, il routing, l'aggregazione, la struttura DAG, i protocolli di servizio e i segnali di osservabilità.

Percorsi guida correlatiSeldon Core e grafici di inferenza
Domanda 1 di 8

Qual è la caratteristica distintiva che distingue Seldon Core da un server a modello singolo?

Anteprima di ogni domanda8 domande

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

  1. Qual è la caratteristica distintiva che distingue Seldon Core da un server a modello singolo?
    • Grafici di inferenza che concatenano più componenti
    • Addestramento del modello integrato
    • Un driver GPU proprietario
    • Etichettatura automatica dei dati
  2. Quale componente del grafico Seldon decide a quale nodo figlio inviare una richiesta, abilitando i test A/B?
    • Trasformatore
    • Router
    • Combinatore
    • Modello
  3. Quale tipo di componente aggrega gli output di più modelli per l'assemblaggio?
    • Router
    • Trasformatore
    • Combinatore
    • Inizializzatore
  4. Che tipo di struttura grafica forma un grafico di inferenza di Seldon?
    • Una maglia ciclica
    • Una lista piatta
    • Solo un albero binario
    • Un grafico aciclico diretto (DAG)
  5. In Seldon Core v2, quale server e protocollo abilitano la pubblicazione multimodello nel grafico?
    • MLServer e il protocollo Open Inference
    • Solo per TensorFlow Serving e gRPC
    • Nginx e RESTO
    • Scintilla e Parquet
  6. In the Seldon Core 1 Router documentation, what can shift traffic toward better-performing models over time?
    • Nightly retraining only
    • A multi-armed bandit using live reward signals
    • Increasing the pod CPU limit
    • Caching every response
  7. Which Seldon graph component can preprocess a request or postprocess a model response?
    • Combinatore
    • Router
    • Trasformatore
    • Explainer
  8. Which description of Seldon Core 2 observability is accurate?
    • Metrics, tracing and payload logging are all automatically enabled for every REST/gRPC prediction
    • It provides only GPU metrics and no tracing
    • Payload logging always stores every model request in a local file
    • Metrics are exposed; tracing requires configuration, and payload logging is limited to configured Kafka-backed pipeline paths