แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบ Kubernetes สำหรับปริมาณงาน ML
ใช้การวางตำแหน่งพ็อด Kubernetes ML, ทรัพยากรของอุปกรณ์ GPU และความทนทานต่อเทนต์ รวมถึงสาเหตุที่การฝึกอบรมแบบกระจายต้องการความจุต่อโหนดที่เหมาะสม
คำถาม 1 ของ 8
งานหลักของตัวกำหนดเวลา Kubernetes สำหรับปริมาณงาน ML คืออะไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- งานหลักของตัวกำหนดเวลา Kubernetes สำหรับปริมาณงาน ML คืออะไร
- การเขียนโค้ดการฝึกอบรมสำหรับนักวิทยาศาสตร์ข้อมูล
- ตัดสินใจว่าโหนดใดในคลัสเตอร์ที่จะรันแต่ละพ็อดที่มีคอนเทนเนอร์
- การติดฉลากข้อมูลการฝึกอบรมโดยอัตโนมัติ
- การเลือกสถาปัตยกรรมโครงข่ายประสาทเทียม
- โดยทั่วไปแล้ว Kubernetes ทำให้ GPU พร้อมใช้งานกับพ็อดได้อย่างไร
- ผ่านปลั๊กอินของอุปกรณ์ที่โฆษณาทรัพยากรเช่น nvidia.com/gpu
- โดยการส่งอีเมลขอใบอนุญาตจากผู้จำหน่าย GPU
- GPU ไม่สามารถใช้ใน Kubernetes
- โดยการแปลงคอร์ CPU เป็น GPU ขณะรันไทม์
- With a NoSchedule taint on a GPU node, what does a matching pod toleration do?
- Forces the pod onto that node regardless of capacity
- Changes the model’s optimizer
- Allows the pod to be considered for that node without guaranteeing placement
- Encrypts every GPU tensor
- เครื่องมือใดเพิ่มความสามารถเฉพาะของ ML เช่น ผู้ดำเนินการฝึกอบรมแบบกระจายนอกเหนือจาก Kubernetes
- Microsoft คำพูด
- Apache สำหรับการให้บริการหน้าเว็บแบบคงที่
- แมโครสเปรดชีต
- คูเบโฟลว์
- เหตุใด Kubernetes จึงเหมาะสมกับปริมาณงาน ML ที่ต่อเนื่อง
- โดยจะจัดตารางเวลางานบนทรัพยากรฟรีและปล่อยฮาร์ดแวร์นั้นให้ว่างเมื่องานเสร็จสิ้น
- สงวน GPU ทั้งหมดไว้อย่างถาวรสำหรับผู้ใช้หนึ่งราย
- มันป้องกันไม่ให้งานใด ๆ ที่เคยลดขนาดลง
- โดยจะรันเพียงหนึ่งคอนเทนเนอร์ต่อคลัสเตอร์เท่านั้น
- 'การปรับขนาดจุดสิ้นสุดการอนุมานเป็นศูนย์' หมายถึงอะไรบน Kubernetes
- การลบโมเดลอย่างถาวร
- การตั้งค่าความแม่นยำเป็นศูนย์เปอร์เซ็นต์
- เรียกใช้สำเนาเป็นศูนย์เมื่อไม่มีการรับส่งข้อมูล จากนั้นจึงหมุนตามคำขอถัดไป
- การลดพารามิเตอร์ของโมเดลให้เป็นศูนย์
- One ML pod requests four GPUs, while two nodes each have only two available. Can ordinary scheduling combine those nodes for that one pod?
- Yes; every pod automatically spans all cluster nodes
- Yes; the scheduler converts CPU cores into the missing GPUs
- Only if the pod name contains the word distributed
- No; the pod must fit on one eligible node
- An inference service scales to zero while idle. Which user-facing delay should its team test when traffic resumes?
- The training-set labeling speed
- Cold-start delay while a serving replica becomes ready
- The file size of an unrelated notebook
- The number of discarded vocabulary tokens