Quiz połączony z przewodnikiem · Ciężko Poziom

Quiz dotyczący rdzenia i wnioskowania Seldona

Sprawdza komponenty wykresu wnioskowania Seldona, routing, agregację, strukturę DAG, protokoły obsługujące i sygnały obserwowalności.

Powiązane ścieżki prowadząceWykresy rdzenia i wnioskowania Seldona
Pytanie 1 z 8

Jaka jest cecha wyróżniająca Seldon Core od serwera jednomodelowego?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Jaka jest cecha wyróżniająca Seldon Core od serwera jednomodelowego?
    • Wykresy wnioskowania łączące wiele komponentów
    • Wbudowane szkolenie modeli
    • Zastrzeżony sterownik GPU
    • Automatyczne etykietowanie danych
  2. Który komponent grafu Seldona decyduje, do którego węzła podrzędnego wysłać żądanie, umożliwiając testy A/B?
    • Transformator
    • Routera
    • Kombinator
    • Modelka
  3. Który typ komponentu agreguje dane wyjściowe z wielu modeli w celu złożenia?
    • Routera
    • Transformator
    • Kombinator
    • Inicjator
  4. Jaką strukturę wykresu tworzy wykres wnioskowania Seldona?
    • Siatka cykliczna
    • Płaska lista
    • Tylko drzewo binarne
    • Skierowany graf acykliczny (DAG)
  5. Który serwer i protokół w Seldon Core v2 umożliwiają obsługę wielu modeli na grafie?
    • MLServer i protokół Open Inference
    • Udostępnianie TensorFlow i tylko gRPC
    • Nginx i REST
    • Iskra i parkiet
  6. In the Seldon Core 1 Router documentation, what can shift traffic toward better-performing models over time?
    • Nightly retraining only
    • A multi-armed bandit using live reward signals
    • Increasing the pod CPU limit
    • Caching every response
  7. Which Seldon graph component can preprocess a request or postprocess a model response?
    • Kombinator
    • Routera
    • Transformator
    • Explainer
  8. Which description of Seldon Core 2 observability is accurate?
    • Metrics, tracing and payload logging are all automatically enabled for every REST/gRPC prediction
    • It provides only GPU metrics and no tracing
    • Payload logging always stores every model request in a local file
    • Metrics are exposed; tracing requires configuration, and payload logging is limited to configured Kafka-backed pipeline paths