Dağıtılmış Yapay Zeka Testi için Ray

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Ray öncelikle hangi sorunu çözüyor?
   • Minimum kod değişikliğiyle Python ve AI iş yüklerini tek bir makineden büyük bir kümeye ölçeklendirme
   • Görüntüleri otomatik olarak etiketleme
   • Model dosyalarını sıkıştırma
   • Sinir ağı mimarilerinin tasarlanması
2. Ray'de 'görev' ile 'aktör' arasındaki fark nedir?
   • Görevler resimler içindir ve aktörler metin içindir
   • Görev, durum bilgisi olmayan bir paralel işlev çağrısıdır; aktör, devleti elinde bulunduran devlet sahibi bir işçidir
   • Onlar aynı
   • Görevler yalnızca CPU'larda ve aktörler yalnızca yazıcılarda çalışır
3. Uzak bir görevi başlattığınızda Ray hemen neyi döndürür?
   • Nihai sonuç her zaman
   • Bir hata mesajı
   • Daha sonra ray.get() ile çözeceğiniz bir gelecek (nesne referansı)
   • Tüm kümenin bir kopyası
4. Dağıtılmış hiperparametre araması için hangi Ray kütüphanesi tasarlanmıştır?
   • Ray Hizmet
   • Işın Verileri
   • RLlib
   • Ray Ayarı
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. Modelleri ölçeklenebilir, otomatik ölçeklendirmeli bir uç noktanın arkasına dağıtmak için hangi Ray kitaplığını kullanırsınız?
   • Ray Ayarı
   • Ray Hizmet
   • Ray Treni
   • Işın Verileri
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