KServe i modelowanie w quizie Kubernetes

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jak poprzednio nazywał się KServe, zanim stał się samodzielnym projektem?
   • KFSerwacja
   • KubeML
   • Siatka modelu
   • Modele rodzime
2. Jaki jest podstawowy niestandardowy zasób Kubernetes, który definiujesz w celu wdrożenia modelu za pomocą KServe?
   • Wdrożenie modelu
   • Usługa wnioskowania
   • PrzewidujPod
   • Wykres serwowania
3. Która funkcja pozwala bezczynnym modelom KServe zużywać zero mocy obliczeniowej do momentu otrzymania żądania?
   • Premiera Canary
   • Fragmentowanie
   • Skala do zera
   • Wnioskowanie wsadowe
4. Który projekt bazowy zapewnia automatyczne skalowanie KServe oparte na żądaniach?
   • Prometeusz
   • Hełm
   • Argo
   • Krajowy
5. W jaki sposób KServe zazwyczaj pobiera artefakty modelu do modułu obsługującego przy uruchomieniu?
   • Za pomocą inicjatora pamięci, który pobiera z pamięci obiektowej
   • Wypalając modele tylko w obrazie kontenera
   • Wysyłając e-mailem plik modelu
   • Poprzez ręczną kopię kubectl
6. Jakiego standardu używa KServe, aby klienci mogli dzwonić do różnych modeli w ten sam sposób?
   • Federacja GraphQL
   • Protokół otwartego wnioskowania
   • MYDŁO
   • JDBC
7. In KServe’s InferenceService pipeline, which component can apply pre- or post-processing around the predictor?
   • The storage initializer
   • The Knative autoscaler
   • Transformator
   • The Kubernetes scheduler
8. What is a typical trade-off of scaling a model deployment down to zero replicas?
   • The model becomes permanently unavailable
   • Every request avoids model loading
   • The Kubernetes API is replaced
   • Idle compute is reduced, but the next request may incur a cold-start delay