Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący orkiestracji potoków Kubeflow i ML

Testuj komponenty potoku Kubeflow, kompilację KFP v2 i decyzje dotyczące buforowania, w tym sposób, w jaki wykresy zależności koordynują obciążenia Kubernetes.

Powiązane ścieżki prowadząceOrkiestracja potoku Kubeflow i ML
Pytanie 1 z 8

Na jakiej platformie Kubeflow obsługuje przepływy pracy uczenia maszynowego?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Na jakiej platformie Kubeflow obsługuje przepływy pracy uczenia maszynowego?
    • Apache Hadoopa
    • Klaster Slum z gołego metalu
    • Kubernetes
    • Pojedyncza maszyna wirtualna
  2. Jak zazwyczaj pakowany jest każdy etap przepływu pracy w Kubeflow Pipelines?
    • Jako konteneryzowany komponent działający w zasobniku
    • Jako procedura składowana w bazie danych
    • Jako funkcja bezserwerowa w sieci CDN
    • Jako pojedynczy monolityczny skrypt
  3. Jakiej struktury używa potok Kubeflow do wyrażenia kolejności i zależności kroków?
    • Płaska lista wykonywana od góry do dołu
    • Okrągła pętla zdarzeń
    • Schemat relacyjny
    • Skierowany graf acykliczny (DAG)
  4. Który komponent Kubeflow jest dedykowany do automatycznego dostrajania hiperparametrów?
    • KServ
    • Katib
    • MinIO
    • Argo
  5. With KFP caching enabled, why might a rerun reuse a previous component result?
    • A matching eligible execution already has cached outputs
    • KFP never executes a component more than once
    • KFP ignores every input change
    • KFP randomly chooses which pods to skip
  6. Który komponent Kubeflow jest używany głównie do obsługi wyszkolonych modeli na potrzeby wnioskowania?
    • Katib
    • Serwery notebooków
    • Płyta Argo
    • KServ
  7. A team adopts KFP v2. What does the normal compiler output represent?
    • A trained model checkpoint
    • A PipelineSpec serialized as Intermediate Representation YAML
    • A universal Argo Workflows specification for every KFP version
    • A SQL query plan for the artifact database
  8. A Kubeflow step reads a file overwritten at an unchanged URI. Why might its cache need to be disabled or the input version changed?
    • Kubernetes forbids external files
    • Every pipeline input is automatically content-hashed
    • The tracked input can stay the same while the file’s contents change
    • Caching always reruns components on every request