KServe dan Model Serving on Kubernetes Kuiz

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah nama KServe sebelum ini sebelum ia menjadi projek kendiri?
   • KFServing
   • KubeML
   • ModelMesh
   • Model Knative
2. Apakah sumber tersuai Kubernetes utama yang anda tentukan untuk menggunakan model dengan KServe?
   • ModelDeployment
   • InferensService
   • PredictPod
   • Carta Serving
3. Keupayaan yang manakah membolehkan model KServe terbiar menggunakan pengiraan sifar sehingga permintaan tiba?
   • Pelancaran kenari
   • Sharding
   • Skala-ke-sifar
   • Inferens kelompok
4. Projek asas manakah yang menyediakan penskalaan automatik terdorong permintaan KServe?
   • Prometheus
   • Helm
   • Argo
   • Knatif
5. Bagaimanakah KServe biasanya memasukkan artifak model ke dalam pod hidangan pada permulaan?
   • Melalui pemula storan yang menarik dari storan objek
   • Dengan membakar model ke dalam imej bekas sahaja
   • Dengan menghantar e-mel kepada fail model
   • Melalui salinan kubectl manual
6. Apakah standard yang digunakan oleh KServe supaya pelanggan boleh memanggil model yang berbeza dengan cara yang sama?
   • Persekutuan GraphQL
   • Protokol Inferens Terbuka
   • SABUN
   • JDBC
7. In KServe’s InferenceService pipeline, which component can apply pre- or post-processing around the predictor?
   • The storage initializer
   • The Knative autoscaler
   • Transformer
   • The Kubernetes scheduler
8. What is a typical trade-off of scaling a model deployment down to zero replicas?
   • The model becomes permanently unavailable
   • Every request avoids model loading
   • The Kubernetes API is replaced
   • Idle compute is reduced, but the next request may incur a cold-start delay