Quiz połączony z przewodnikiem · Średni Poziom
Kontenery Docker dla modeli ML Quiz
Przećwicz nakładanie warstw obrazów Dockera, wieloetapowe kompilacje, obsługę artefaktów i opcje zabezpieczeń w czasie wykonywania dla aplikacji uczenia maszynowego.
Pytanie 1 z 8
Po co kopiować plik blokady zależności przed częstą zmianą źródła aplikacji?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Po co kopiować plik blokady zależności przed częstą zmianą źródła aplikacji?
- Docker może ponownie wykorzystać warstwę instalacji zależności, gdy zmienia się tylko kod źródłowy
- Gwarantuje, że pakiety nigdy nie będą wymagały aktualizacji zabezpieczeń
- Sprawia, że dane modelu stają się częścią obrazu podstawowego
- Uruchamia instalację zależności na GPU
- Jaki problem rozwiązuje wieloetapowa kompilacja Dockera?
- Uruchamiaj wszystkie etapy produkcji w tym samym czasie
- Użyj narzędzi do kompilacji na jednym etapie i skopiuj potrzebne artefakty środowiska wykonawczego na inny
- Unikaj deklarowania obrazu podstawowego
- Przechowuj tajemnice w warstwie pośredniej
- Po co montować duży prywatny zestaw danych zamiast kopiować go do obrazu?
- Eliminuje potrzebę kontroli dostępu do danych
- Zapewnia to, że model jest deterministyczny
- Pozwala uniknąć osadzania danych w rozpowszechnianym obrazie
- Automatycznie konwertuje zbiór danych na warstwę modelu
- Co zapewnia przypinanie podsumowania dla obrazu podstawowego?
- Mniejszy rozmiar obrazu niezależnie od jego warstw
- Automatyczne aktualizacje zabezpieczeń bez konieczności przebudowy
- Zapis tylko wersji pakietu Python
- Bardziej precyzyjna tożsamość treści obrazu, do którego się odwołuje
- Gdzie ogólnie należy podawać sekrety środowiska wykonawczego?
- W plikach źródłowych skopiowanych do obrazu
- Poprzez bezpieczny mechanizm wykonawczy zamiast osadzonych warstw obrazu
- W publicznym tagu obrazu bazowego
- Wewnątrz etykiet klas modelu
- Co działający kontener dodaje poza obrazem?
- Fizyczny sterownik GPU wewnątrz kontenera
- Automatycznie nowy, skompilowany obraz podstawowy
- Konfiguracja środowiska wykonawczego, taka jak podłączenia, środowisko i sieć
- Gwarancja uczenia bitowo-deterministycznego
- Po co uruchamiać aplikację jako użytkownik inny niż root, jeśli jest to praktyczne?
- Sprawia, że trawienie obrazu jest krótsze
- Zapobiega wszelkim podatnościom na zależności
- Gwarantuje, że model spełnia wymagania dotyczące dokładności
- Ogranicza uprawnienia, jeśli proces zostanie naruszony
- Czego sam obraz kontenera nie gwarantuje?
- Identyczne wyniki liczbowe na różnych urządzeniach
- Spakowany system plików i metadane
- Określone polecenie aplikacji
- Warstwowe wejścia kompilacji