Quiz połączony z przewodnikiem · Średni Poziom
GitHub Działania dla quizu dotyczącego rurociągów ML
Twórz etapową automatyzację uczenia maszynowego za pomocą zadań akcji, możliwości śledzenia artefaktów, chronionych wersji i ostrożnej obsługi programów uruchamiających i poświadczeń.
Pytanie 1 z 8
Co definiuje przepływ pracy działań GitHub?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Co definiuje przepływ pracy działań GitHub?
- Wyzwalacze, zadania, biegacze i kroki
- Manifest obrazu kontenera i lista warstw
- Zasady ochrony oddziałów dla repozytorium
- Sam plik blokady zależności modelu
- Po co oddzielać szybkie kontrole pull-request od pełnego szkolenia GPU?
- Gwarantuje jakość modelu bez oceny
- Zapewnia szybką informację zwrotną, rezerwując specjalistyczne obliczenia na potrzeby kosztownej pracy
- Usuwa całą konserwację prowadnicy
- Dzięki temu sprzęt GPU jest dostępny dla każdego biegacza
- Co powinno łączyć raport z oceny z promowanym później artefaktem?
- Sama nazwa użytkownika autora
- Tylko nazwa wyświetlana przepływu pracy
- Streszczenie artefaktu lub inna niezmienna tożsamość
- Klucz pamięci podręcznej, który zmienia każde uruchomienie
- Dlaczego warto unikać ujawniania sekretów repozytorium niezaufanemu kodowi pull-request?
- Akcje nie mogą być uruchamiane bez tokenów zapisu
- Do uruchomienia importu Python wymagane są wpisy tajne
- To sprawia, że wszelka walidacja jest niedeterministyczna
- Kod przepływu pracy może ich używać do uzyskiwania dostępu do systemów zewnętrznych
- Co może zapewnić OIDC po skonfigurowaniu z dostawcą chmury?
- Stały certyfikat dokładności modelu
- Krótkotrwałe poświadczenia powiązane z tożsamością przepływu pracy
- Pamięć podręczna artefaktów bez kontroli dostępu
- Środowisko wirtualne Python
- Jak należy używać pamięci podręcznej zależności w przepływie pracy akcji?
- Zachowaj plik modelu do wdrożenia pomiędzy przebiegami pracy jako oficjalny zapis wersji
- Użyj ponownie zależności za pomocą klucza, który ignoruje zmiany danych wejściowych zależności
- Przyspiesz wielokrotną konfigurację zależności za pomocą kluczy opartych na danych wejściowych zależności
- Użyj modyfikowalnego znacznika obrazu jako jedynego rekordu wyników przepływu pracy
- Co zasada ochrony środowiska dodaje do stanowiska modelki?
- Plik blokujący dla danych treningowych
- Automatyczna gwarancja bezstronności metryk
- Nowe urządzenie GPU
- Kontrolowany warunek zatwierdzenia lub wdrożenia
- Czego same działania GitHub nie gwarantują?
- Że dane szkoleniowe, decyzje dotyczące oceny lub wydania są prawidłowe
- Te zdefiniowane kroki przepływu pracy są wykonywane na biegaczu
- Ta praca może zależeć od wcześniejszych prac
- Te artefakty można przesyłać