Вікторина, пов’язана з посібником · Середній Рівень

Вікторина Kubeflow і ML Pipeline Orchestration

Тестуйте компоненти конвеєра Kubeflow, компіляцію KFP v2 і рішення щодо кешування, зокрема те, як графіки залежностей координують робочі навантаження Kubernetes.

Пов'язані напрямні шляхиKubeflow і ML Pipeline Orchestration
Питання 1 з 8

На якій базовій платформі Kubeflow запускає робочі процеси машинного навчання?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. На якій базовій платформі Kubeflow запускає робочі процеси машинного навчання?
    • Apache Hadoop
    • Голий металевий кластер Slurm
    • Kubernetes
    • Одна віртуальна машина
  2. Як зазвичай упаковується кожен крок робочого процесу в Kubeflow Pipelines?
    • Як контейнерний компонент, що працює в контейнері
    • Як збережена процедура в базі даних
    • Як безсерверна функція на CDN
    • Як єдиний монолітний сценарій
  3. Яку структуру використовує конвеєр Kubeflow для вираження порядку та залежностей кроків?
    • Плоский список, виконаний зверху вниз
    • Круговий цикл подій
    • Реляційна схема
    • Орієнтований ациклічний граф (DAG)
  4. Який компонент Kubeflow призначений для автоматичного налаштування гіперпараметрів?
    • KServe
    • Катіб
    • MinIO
    • Арго
  5. With KFP caching enabled, why might a rerun reuse a previous component result?
    • A matching eligible execution already has cached outputs
    • KFP never executes a component more than once
    • KFP ignores every input change
    • KFP randomly chooses which pods to skip
  6. Який компонент Kubeflow в основному використовується для обслуговування навчених моделей для висновків?
    • Катіб
    • Сервери ноутбуків
    • Арго CD
    • KServe
  7. A team adopts KFP v2. What does the normal compiler output represent?
    • A trained model checkpoint
    • A PipelineSpec serialized as Intermediate Representation YAML
    • A universal Argo Workflows specification for every KFP version
    • A SQL query plan for the artifact database
  8. A Kubeflow step reads a file overwritten at an unchanged URI. Why might its cache need to be disabled or the input version changed?
    • Kubernetes forbids external files
    • Every pipeline input is automatically content-hashed
    • The tracked input can stay the same while the file’s contents change
    • Caching always reruns components on every request