แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

Ray สำหรับแบบทดสอบ AI แบบกระจาย

ตรวจสอบความเข้าใจของคุณเกี่ยวกับงานของ Ray ผู้แสดง การอ้างอิงออบเจ็กต์ ไลบรารีแบบกระจาย และวิธีที่ข้อมูลออบเจ็กต์เคลื่อนย้ายภายในคลัสเตอร์

เส้นทางแนะนำที่เกี่ยวข้องRay สำหรับ AI แบบกระจาย
คำถาม 1 ของ 8

เรย์แก้ปัญหาอะไรเป็นหลัก?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. เรย์แก้ปัญหาอะไรเป็นหลัก?
    • ปรับขนาดปริมาณงาน Python และ AI จากเครื่องเดียวไปจนถึงคลัสเตอร์ขนาดใหญ่โดยมีการเปลี่ยนแปลงโค้ดเพียงเล็กน้อย
    • การติดป้ายกำกับรูปภาพโดยอัตโนมัติ
    • การบีบอัดไฟล์โมเดล
    • การออกแบบสถาปัตยกรรมโครงข่ายประสาทเทียม
  2. ในเรย์ อะไรคือความแตกต่างระหว่าง 'งาน' และ 'นักแสดง'?
    • งานมีไว้สำหรับรูปภาพและนักแสดงมีไว้สำหรับข้อความ
    • งานคือการเรียกใช้ฟังก์ชันแบบขนานไร้สัญชาติ นักแสดงคือคนทำงานของรัฐที่ดำรงตำแหน่ง
    • พวกเขาเหมือนกัน
    • งานทำงานเฉพาะบน CPU และนักแสดงบนเครื่องพิมพ์เท่านั้น
  3. เรย์จะกลับมาทันทีเมื่อคุณเริ่มงานระยะไกล?
    • ผลลัพธ์สุดท้ายเสมอ
    • ข้อความแสดงข้อผิดพลาด
    • อนาคต (การอ้างอิงวัตถุ) ที่คุณแก้ไขในภายหลังด้วย ray.get()
    • สำเนาของคลัสเตอร์ทั้งหมด
  4. ไลบรารี่ Ray ใดที่ออกแบบมาสำหรับการค้นหาไฮเปอร์พารามิเตอร์แบบกระจาย
    • เรย์ เซิร์ฟ
    • เรย์ดาต้า
    • RLlib
    • เรย์ ทูน
  5. Which object type do Ray’s docs explicitly say can be read from same-node object-store memory without a copy?
    • A NumPy array stored in Ray’s object store
    • Any Python object whenever an ObjectRef is passed
    • An object requested from another node with no network transfer
    • Only actor handles stored in a separate database
  6. คุณจะใช้ไลบรารี Ray ใดในการปรับใช้โมเดลเบื้องหลังจุดสิ้นสุดที่ปรับขนาดอัตโนมัติได้
    • เรย์ ทูน
    • เรย์ เซิร์ฟ
    • เรย์ เทรน
    • เรย์ดาต้า
  7. How does Ray Serve decide when to add replicas in its built-in request-driven autoscaling?
    • It reads the model’s training loss
    • It changes the number of model parameters
    • It monitors ongoing requests or queue demand against configured targets
    • It scales only when a human edits the deployment
  8. How does Ray move an object when a task on a different node needs it?
    • It shares the owner’s local memory directly across every node
    • It automatically copies all objects into each node’s GPU memory
    • It sends only an ObjectRef and never transfers the object data
    • It transfers the object over the cluster network; serialization, locality, and object size affect cost