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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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