Вікторина, пов’язана з посібником · Середній Рівень

Ray for Distributed AI Quiz

Перевірте своє розуміння завдань Ray, акторів, посилань на об’єкти, розподілених бібліотек і того, як дані об’єктів переміщуються в кластері.

Пов'язані напрямні шляхиПромінь для розподіленого ШІ
Питання 1 з 8

Яку проблему в першу чергу вирішує Рей?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яку проблему в першу чергу вирішує Рей?
    • Масштабування робочих навантажень Python і AI з однієї машини на великий кластер із мінімальною зміною коду
    • Автоматичне маркування зображень
    • Стиснення файлів моделі
    • Проектування архітектур нейронної мережі
  2. У чому полягає різниця між «завданням» і «актором»?
    • Завдання для зображень, а актори для тексту
    • Завдання — це паралельний виклик функції без стану; актор - це державний працівник, який утримує державу
    • Вони ідентичні
    • Завдання виконуються лише на ЦП, а актори – лише на принтерах
  3. Що відразу повертає Ray, коли ви запускаєте віддалене завдання?
    • Кінцевий результат завжди
    • Повідомлення про помилку
    • Майбутнє (посилання на об’єкт), яке ви пізніше вирішуєте за допомогою ray.get()
    • Копія всього кластера
  4. Яка бібліотека Ray призначена для розподіленого пошуку гіперпараметрів?
    • Рей Серве
    • Рей Дані
    • RLlib
    • Рей Тюн
  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. Яку бібліотеку Ray ви б використали для розгортання моделей позаду масштабованої кінцевої точки з автоматичним масштабуванням?
    • Рей Тюн
    • Рей Серве
    • Рей Потяг
    • Рей Дані
  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