แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการติดตามการทดสอบ
ครอบคลุมข้อมูลเมตาการเรียกใช้ ตัวชี้วัด อาร์ติแฟกต์ เอกลักษณ์ของชุดข้อมูล การบันทึกสภาพแวดล้อม และบันทึกการทดลองใดบ้างที่สามารถรองรับได้
คำถาม 1 ของ 8
วัตถุประสงค์หลักของการติดตามการทดสอบในแมชชีนเลิร์นนิงคืออะไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- วัตถุประสงค์หลักของการติดตามการทดสอบในแมชชีนเลิร์นนิงคืออะไร
- เพื่อให้การรันสามารถทำซ้ำและเปรียบเทียบได้โดยการบันทึกบริบททั้งหมด
- เพื่อให้โมเดลฝึกเร็วขึ้นบน GPU
- เพื่อปรับใช้โมเดลกับการผลิตโดยอัตโนมัติ
- เพื่อบีบอัดตุ้มน้ำหนักแบบจำลองเพื่อจัดเก็บ
- การผสมผสานใดที่จำเป็นในการทำให้การฝึกซ้อมวิ่งครั้งเดียวสามารถทำซ้ำได้อย่างแท้จริง
- เฉพาะเลขแม่นสุดท้ายเท่านั้น
- เวอร์ชันโค้ด ชุดข้อมูล และไฮเปอร์พารามิเตอร์
- อุณหภูมิ GPU และความเร็วพัดลม
- ชื่อนักวิทยาศาสตร์ข้อมูล
- ข้อใดต่อไปนี้คือเครื่องมือติดตามการทดสอบยอดนิยม
- โฟโต้ชอป
- คูเบอร์เนเตส
- MLflow
- PostgreSQL
- โดยทั่วไปแล้ว เครื่องมือติดตามการทดสอบส่วนใหญ่จะบันทึกเมตริกระหว่างการฝึกอย่างไร
- โดยการคัดลอกตัวเลขลงในสเปรดชีตด้วยตนเองในภายหลัง
- โดยการถ่ายภาพหน้าจอของเทอร์มินัล
- โดยการอ่านซอร์สโค้ดของโมเดล
- ผ่านการเรียก API การบันทึกที่แทรกลงในลูปการฝึกอบรมที่สตรีมไปยังแบ็กเอนด์
- อาร์ติแฟกต์ขนาดใหญ่ เช่น น้ำหนักโมเดลที่บันทึกไว้ โดยปกติแล้วจะถูกจัดเก็บโดยระบบติดตามไว้ที่ใด
- ในที่เก็บข้อมูลอ็อบเจ็กต์/สิ่งประดิษฐ์ โดยมีการอ้างอิงเก็บไว้ในที่เก็บข้อมูลเมตา
- ภายในแถวฐานข้อมูลเมตริก
- ในหน่วยความจำ GPU อย่างถาวร
- พวกเขาไม่ได้เก็บไว้เลย
- การติดตามการทดลองมีการพัฒนาอย่างไรในยุคของแบบจำลองภาษาขนาดใหญ่
- มันกำลังถูกยกเลิกเพราะ LLM ไม่ต้องการการติดตาม
- ขณะนี้ยังรวบรวมเวอร์ชันพร้อมท์ การติดตามการประเมิน และผลลัพธ์เชิงคุณภาพอีกด้วย
- ตอนนี้ติดตามเฉพาะต้นทุน GPU เท่านั้น
- ได้รวมเข้ากับซอฟต์แวร์ตัดต่อวิดีโอทั้งหมดแล้ว
- Why record a dataset version or content hash with an ML run?
- To prove the model is unbiased
- To guarantee identical GPU arithmetic
- So the run can be linked to the exact data snapshot used
- To replace the code version
- In MLflow Tracking, where are large model files typically stored relative to parameters and metrics?
- Only inside the metric names
- Always embedded in the database row for each parameter
- They are not recorded by a tracking system
- In an artifact store, while run metadata is kept in a backend store