Вікторина, пов’язана з посібником · важко Рівень

Вікторина «Ядро Селдона» та «Графи висновку».

Перевіряє компоненти графа висновків Селдона, маршрутизацію, агрегацію, структуру DAG, протоколи обслуговування та сигнали спостережуваності.

Пов'язані напрямні шляхиОсновні та графи висновків Селдона
Питання 1 з 8

Яка визначальна особливість відрізняє Seldon Core від одномодельного сервера?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яка визначальна особливість відрізняє Seldon Core від одномодельного сервера?
    • Графи висновків, які з’єднують кілька компонентів
    • Вбудована модель навчання
    • Власний драйвер GPU
    • Автоматичне маркування даних
  2. Який компонент графа Селдона вирішує, до якого дочірнього вузла надсилати запит, уможливлюючи A/B-тести?
    • трансформатор
    • Маршрутизатор
    • Комбайнер
    • Модель
  3. Який тип компонента об’єднує результати з кількох моделей для об’єднання?
    • Маршрутизатор
    • трансформатор
    • Комбайнер
    • Ініціалізатор
  4. Яку структуру графа формує граф виведення Селдона?
    • Циклічна сітка
    • Плоский список
    • Лише бінарне дерево
    • Орієнтований ациклічний граф (DAG)
  5. У Seldon Core v2, який сервер і протокол дають змогу обслуговувати багато моделей на графіку?
    • MLServer і Open Inference Protocol
    • Обслуговування TensorFlow і тільки gRPC
    • Nginx і REST
    • Іскра і Паркет
  6. In the Seldon Core 1 Router documentation, what can shift traffic toward better-performing models over time?
    • Nightly retraining only
    • A multi-armed bandit using live reward signals
    • Increasing the pod CPU limit
    • Caching every response
  7. Which Seldon graph component can preprocess a request or postprocess a model response?
    • Комбайнер
    • Маршрутизатор
    • трансформатор
    • Explainer
  8. Which description of Seldon Core 2 observability is accurate?
    • Metrics, tracing and payload logging are all automatically enabled for every REST/gRPC prediction
    • It provides only GPU metrics and no tracing
    • Payload logging always stores every model request in a local file
    • Metrics are exposed; tracing requires configuration, and payload logging is limited to configured Kafka-backed pipeline paths