Викторина, связанная с руководством · Жесткий Уровень

Тест по ядру Селдона и графикам вывода

Проверяет компоненты графа вывода Селдона, маршрутизацию, агрегацию, структуру DAG, протоколы обслуживания и сигналы наблюдения.

Связанные направляющие путиЯдро Селдона и графы вывода
Вопрос 1 из 8

Какая определяющая особенность отличает Seldon Core от сервера одной модели?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какая определяющая особенность отличает Seldon Core от сервера одной модели?
    • Графики вывода, объединяющие несколько компонентов
    • Встроенное обучение модели
    • Собственный драйвер графического процессора
    • Автоматическая маркировка данных
  2. Какой компонент графа Селдона решает, какому дочернему узлу отправить запрос, позволяя проводить A/B-тесты?
    • Трансформатор
    • Маршрутизатор
    • Комбинатор
    • Модель
  3. Какой тип компонента объединяет результаты нескольких моделей для ансамбля?
    • Маршрутизатор
    • Трансформатор
    • Комбинатор
    • Инициализатор
  4. Какую структуру графа образует граф вывода Селдона?
    • Циклическая сетка
    • Плоский список
    • Только двоичное дерево
    • Ориентированный ациклический граф (DAG)
  5. Какой сервер и протокол в Seldon Core v2 обеспечивают мультимодельное обслуживание по всему графу?
    • MLServer и протокол открытого вывода
    • Обслуживание TensorFlow и только gRPC
    • Нгинкс и ОТДЫХ
    • Искра и Паркет
  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?
    • Комбинатор
    • Маршрутизатор
    • Трансформатор
    • 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