Kubernetes کوئز پر KServe اور ماڈل سرونگ

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. اسٹینڈ اسٹون پروجیکٹ بننے سے پہلے KServe کا پچھلا نام کیا تھا؟
   • کے ایف سرونگ
   • کیوب ایم ایل
   • ماڈل میش
   • Knative ماڈلز
2. KServe کے ساتھ ایک ماڈل کو تعینات کرنے کے لیے آپ بنیادی Kubernetes کسٹم وسیلہ کیا ہے؟
   • ماڈل کی تعیناتی
   • InferenceService
   • PredictPod
   • سرونگ چارٹ
3. کونسی صلاحیت غیر فعال KServe ماڈلز کو درخواست آنے تک صفر کمپیوٹ استعمال کرنے دیتی ہے؟
   • کینری رول آؤٹ
   • شارڈنگ
   • اسکیل ٹو صفر
   • بیچ کا اندازہ
4. کونسا بنیادی پروجیکٹ KServe کی درخواست پر چلنے والی آٹو اسکیلنگ فراہم کرتا ہے؟
   • پرومیتھیس
   • ہیلم
   • آرگو
   • Knative
5. KServe سٹارٹ اپ پر عام طور پر ماڈل آرٹفیکٹس کو سرونگ پوڈ میں کیسے حاصل کرتا ہے؟
   • اسٹوریج انیشیلائزر کے ذریعے جو آبجیکٹ اسٹوریج سے کھینچتا ہے۔
   • صرف کنٹینر کی تصویر میں ماڈلز کو بیک کر کے
   • ماڈل فائل کو ای میل کرکے
   • ایک دستی kubectl کاپی کے ذریعے
6. KServe کون سا معیار استعمال کرتا ہے تاکہ کلائنٹ مختلف ماڈلز کو اسی طرح کال کرسکیں؟
   • گراف کیو ایل فیڈریشن
   • اوپن انفرنس پروٹوکول
   • صابن
   • جے ڈی بی سی
7. In KServe’s InferenceService pipeline, which component can apply pre- or post-processing around the predictor?
   • The storage initializer
   • The Knative autoscaler
   • ٹرانسفارمر
   • The Kubernetes scheduler
8. What is a typical trade-off of scaling a model deployment down to zero replicas?
   • The model becomes permanently unavailable
   • Every request avoids model loading
   • The Kubernetes API is replaced
   • Idle compute is reduced, but the next request may incur a cold-start delay