Ray の分散型 AI クイズ

クイズに答えると、答えと解説が表示されます。

1. レイは主にどのような問題を解決しますか?
   • 最小限のコード変更で、Python と AI のワークロードを単一マシンから大規模クラスターに拡張
   • 画像に自動的にラベルを付ける
   • モデルファイルの圧縮
   • ニューラル ネットワーク アーキテクチャの設計
2. Ray では、「タスク」と「アクター」の違いは何ですか?
   • タスクは画像用、アクターはテキスト用
   • タスクはステートレスな並列関数呼び出しです。アクターは状態を保持するステートフルなワーカーです
   • それらは同一です
   • タスクは CPU でのみ実行され、アクターはプリンターでのみ実行されます。
3. リモート タスクを起動すると、Ray はすぐに何を返しますか?
   • 最終結果は常に
   • エラーメッセージ
   • 後で ray.get() で解決する将来 (オブジェクト参照)
   • クラスター全体のコピー
4. 分散ハイパーパラメータ検索用に設計された Ray ライブラリはどれですか?
   • レイサーブ
   • レイデータ
   • RLlib
   • レイチューン
5. Which object type do Ray’s docs explicitly say can be read from same-node object-store memory without a copy?
   • 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. スケーラブルな自動スケーリング エンドポイントの背後にモデルをデプロイするには、どの Ray ライブラリを使用しますか?
   • レイチューン
   • レイサーブ
   • レイトレイン
   • レイデータ
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