Gids-gekoppelde quiz · Middelmatig Niveau

Quiz voor Kubernetes voor ML-workloads

Pas Kubernetes ML podplaatsing, GPU-apparatenbronnen en taint-toleraties toe, inclusief waarom gedistribueerde training geschikte capaciteit per node vereist.

Gerelateerde gidspadenKubernetes voor ML-workloads
Vraag 1 van 8

Wat is de primaire taak van de Kubernetes-planner voor ML-workloads?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat is de primaire taak van de Kubernetes-planner voor ML-workloads?
    • Het schrijven van de trainingscode voor datawetenschappers
    • Beslissen welk knooppunt in het cluster elke containerpod uitvoert
    • Automatisch labelen van de trainingsgegevens
    • Het kiezen van de neurale netwerkarchitectuur
  2. Hoe maakt Kubernetes GPU's doorgaans beschikbaar voor een pod?
    • Via apparaatplug-ins die reclame maken voor bronnen zoals nvidia.com/gpu
    • Door de GPU-leverancier te e-mailen voor een licentie
    • GPU's kunnen niet worden gebruikt in Kubernetes
    • Door CPU-kernen tijdens runtime om te zetten in GPU's
  3. Wat doet een bijpassende pod-tolerantie met een NoSchedule-besmetting op een GPU-knooppunt?
    • Forceert de pod op dat knooppunt, ongeacht de capaciteit
    • Wijzigt de optimalisatie van het model
    • Hiermee kan de pod in aanmerking worden genomen voor dat knooppunt zonder de plaatsing te garanderen
    • Versleutelt elke GPU-tensor
  4. Welke tool voegt ML-specifieke mogelijkheden toe, zoals operators voor gedistribueerde training bovenop Kubernetes?
    • Microsoft Woord
    • Apache voor het aanbieden van statische webpagina's
    • Een spreadsheetmacro
    • Kubeflow
  5. Waarom is Kubernetes goed geschikt voor snelle ML-workloads?
    • Het plant taken op vrije bronnen en maakt die hardware vrij wanneer de taken zijn voltooid
    • Het reserveert permanent alle GPU's voor één gebruiker
    • Het voorkomt dat een baan ooit wordt teruggeschroefd
    • Er wordt slechts één container per cluster uitgevoerd
  6. Wat betekent 'een inferentie-eindpunt schalen naar nul' op Kubernetes?
    • Het model definitief verwijderen
    • Nauwkeurigheid instellen op nul procent
    • Er worden geen kopieën gemaakt als er geen verkeer is, en bij het volgende verzoek wordt er weer verder gegaan
    • Het terugbrengen van de parameters van het model naar nul
  7. Eén ML-pod vraagt om vier GPU's, terwijl voor twee knooppunten er elk slechts twee beschikbaar zijn. Kan gewone planning deze knooppunten combineren voor die ene pod?
    • Ja; elke pod omvat automatisch alle clusterknooppunten
    • Ja; de planner converteert CPU-kernen naar de ontbrekende GPU's
    • Alleen als de podnaam het woord gedistribueerd bevat
    • Nee; de pod moet op één in aanmerking komend knooppunt passen
  8. Een gevolgtrekkingsservice schaalt naar nul wanneer deze niet actief is. Welke gebruikersgerichte vertraging moet het team testen wanneer het verkeer wordt hervat?
    • De labelsnelheid van de trainingsset
    • Vertraging bij koude start terwijl een serveerreplica gereed wordt
    • De bestandsgrootte van een niet-gerelateerd notitieblok
    • Het aantal weggegooide woordenschatfiches