Gids-gekoppelde quiz · Middelmatig Niveau
Ray voor gedistribueerde AI-quiz
Controleer je begrip van Ray-taken, acteurs, objectreferenties, gedistribueerde bibliotheken, en hoe objectgegevens zich verplaatsen binnen een cluster.
Vraag 1 van 8
Welk probleem lost Ray vooral op?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Welk probleem lost Ray vooral op?
- Schaal Python- en AI-workloads van één enkele machine naar een groot cluster met minimale codewijzigingen
- Afbeeldingen automatisch labelen
- Modelbestanden comprimeren
- Ontwerpen van neurale netwerkarchitecturen
- Wat is bij Ray het verschil tussen een ‘taak’ en een ‘acteur’?
- Taken zijn voor afbeeldingen en acteurs zijn voor tekst
- Een taak is een staatloze parallelle functieaanroep; een actor is een staatsarbeider die de staat bekleedt
- Ze zijn identiek
- Taken worden alleen op CPU's uitgevoerd en actoren alleen op printers
- Wat geeft Ray onmiddellijk terug als je een taak op afstand start?
- Het eindresultaat, altijd
- Een foutmelding
- Een future (objectreferentie) die u later oplost met ray.get()
- Een kopie van het hele cluster
- Welke Ray-bibliotheek is ontworpen voor gedistribueerd zoeken naar hyperparameters?
- Ray Serve
- Ray-gegevens
- RLlib
- Ray Tune
- 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
- Welke Ray-bibliotheek zou u gebruiken om modellen achter een schaalbaar, automatisch schalend eindpunt te implementeren?
- Ray Tune
- Ray Serve
- Ray trein
- Ray-gegevens
- 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
- 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