Kuiz berkaitan panduan · Sederhana Tahap

Ray untuk Kuiz AI Teragih

Semak pemahaman anda tentang tugas Ray, pelakon, rujukan objek, perpustakaan yang diedarkan dan cara data objek bergerak dalam kelompok.

Laluan panduan yang berkaitanRay Untuk AI Teragih
soalan 1 daripada 8

Apakah masalah yang paling utama Ray selesaikan?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah masalah yang paling utama Ray selesaikan?
    • Menskalakan beban kerja Python dan AI daripada satu mesin kepada kelompok besar dengan perubahan kod yang minimum
    • Melabelkan imej secara automatik
    • Memampatkan fail model
    • Mereka bentuk seni bina rangkaian saraf
  2. Dalam Ray, apakah perbezaan antara 'tugas' dan 'pelakon'?
    • Tugas adalah untuk imej dan pelakon adalah untuk teks
    • Tugas ialah panggilan fungsi selari tanpa negara; pelakon ialah pekerja bernegara yang memegang negara
    • Mereka adalah sama
    • Tugasan dijalankan hanya pada CPU dan pelakon hanya pada pencetak
  3. Apakah yang Ray pulangkan serta-merta apabila anda melancarkan tugas jauh?
    • Keputusan akhir, sentiasa
    • Mesej ralat
    • Masa depan (rujukan objek) yang kemudian anda selesaikan dengan ray.get()
    • Salinan keseluruhan kluster
  4. Pustaka Ray manakah yang direka untuk carian hiperparameter teragih?
    • Ray Serve
    • Data Sinar
    • RLlib
    • Ray Tune
  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. Pustaka Ray manakah yang akan anda gunakan untuk menggunakan model di belakang titik akhir penskalaan auto berskala?
    • Ray Tune
    • Ray Serve
    • Kereta Api Ray
    • Data Sinar
  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