Kuiz berkaitan panduan · Sederhana Tahap

GitOps untuk ML dengan Kuiz CD Argo

Fahami keadaan yang diingini, penyesuaian, drift dan rollback dalam CD Argo, dan bezakan kesihatan penggunaan daripada pengesahan model.

Laluan panduan yang berkaitanGitops Untuk ML Dengan Argo Cd
soalan 1 daripada 8

Apakah yang dianggap oleh GitOps sebagai keadaan penggunaan yang diisytiharkan?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah yang dianggap oleh GitOps sebagai keadaan penggunaan yang diisytiharkan?
    • Konfigurasi dikawal versi dalam repositori Git
    • Keadaan semasa terminal pembangun
    • Log ramalan terkini
    • Ketepatan latihan model sahaja
  2. Apakah yang dilakukan oleh Argo CD apabila keadaan kluster langsung berbeza daripada Git?
    • Melatih semula model secara automatik
    • Laporan hanyut dan mungkin diselaraskan mengikut dasar penyegerakan yang dikonfigurasikan
    • Menukar repositori sumber untuk dipadankan dengan kluster
    • Menulis semula artifak model
  3. Apakah yang biasanya dilakukan oleh penyembuhan diri dalam persediaan CD Argo?
    • Pulihkan data latihan yang dipadamkan
    • Membaiki ketepatan model selepas hanyut
    • Selaraskan perubahan langsung manual kembali ke arah keadaan Git yang diisytiharkan
    • Putar setiap rahsia awan
  4. Mengapakah penyegerakan automatik boleh berisiko dengan perubahan nyata yang belum disemak?
    • Ia menjamin tiada pemulangan mungkin
    • Ia melumpuhkan pemeriksaan kesihatan Kubernetes
    • Ia menukar sejarah Git secara automatik
    • Ia boleh menyebarkan keadaan yang diingini yang tidak betul dengan cepat
  5. Bagaimanakah imej model harus dirujuk untuk penggunaan yang boleh dikesan?
    • Dengan teg terkini yang boleh ubah sahaja
    • Dengan ringkasan tidak berubah atau versi yang terikat dengan bukti pengesahan
    • Mengikut nama fail set data latihan
    • Dengan laluan tempatan yang tidak direkodkan
  6. Apakah yang ditetapkan oleh status kesihatan Kubernetes dalam konteks ini?
    • Data itu bebas daripada berat sebelah
    • Bahawa model itu ditentukur
    • Kesihatan sumber, bukan kualiti ramalan
    • Bahawa calon itu mengalahkan garis dasarnya
  7. Mengapakah Git berbalik tidak memulihkan sepenuhnya penggunaan ML?
    • Kubernetes mengabaikan versi imej
    • Git tidak boleh menjejaki manifes teks
    • CD Argo memerlukan latihan semula untuk disegerakkan
    • Keadaan luaran seperti alias pendaftaran atau migrasi data mungkin tidak boleh ditarik balik
  8. Di manakah kelayakan penempatan harus disimpan?
    • Dalam mekanisme pengurusan rahsia yang dirujuk oleh konfigurasi
    • Sebagai plaintext dalam manifes komited
    • Berat model dalam
    • Dalam teg imej awam