Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Bài kiểm tra theo dõi thử nghiệm

Bao gồm siêu dữ liệu, số liệu, tạo phẩm, nhận dạng tập dữ liệu, thu thập môi trường và những gì bản ghi thử nghiệm có thể hỗ trợ.

Đường dẫn hướng dẫn liên quanTheo dõi thử nghiệm
Câu hỏi 1 của 8

Mục đích chính của việc theo dõi thử nghiệm trong học máy là gì?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Mục đích chính của việc theo dõi thử nghiệm trong học máy là gì?
    • Để làm cho các hoạt động có thể lặp lại và so sánh được bằng cách ghi lại toàn bộ bối cảnh của chúng
    • Để làm cho các mô hình đào tạo nhanh hơn trên GPU
    • Để tự động triển khai các mô hình vào sản xuất
    • Để nén trọng lượng mô hình để lưu trữ
  2. Sự kết hợp nào là cần thiết để thực sự có thể lặp lại một lần huấn luyện duy nhất?
    • Chỉ có số chính xác cuối cùng
    • Phiên bản mã, tập dữ liệu và siêu tham số
    • Nhiệt độ GPU và tốc độ quạt
    • Tên của nhà khoa học dữ liệu
  3. Công cụ nào sau đây là công cụ theo dõi thử nghiệm phổ biến?
    • Photoshop
    • Kubernetes
    • Dòng chảy ML
    • PostgreSQL
  4. Hầu hết các trình theo dõi thử nghiệm thường thu thập số liệu trong quá trình đào tạo bằng cách nào?
    • Bằng cách sao chép thủ công các số vào bảng tính sau đó
    • Bằng cách chụp ảnh màn hình của thiết bị đầu cuối
    • Bằng cách đọc mã nguồn của mô hình
    • Thông qua việc ghi nhật ký các lệnh gọi API được chèn vào vòng đào tạo sẽ truyền tới phần phụ trợ
  5. Các thành phần lớn như trọng lượng mô hình đã lưu thường được hệ thống theo dõi lưu trữ ở đâu?
    • Trong bộ lưu trữ đối tượng/tạo tác, với các tham chiếu được lưu giữ trong kho siêu dữ liệu
    • Bên trong hàng cơ sở dữ liệu số liệu
    • Trong bộ nhớ GPU vĩnh viễn
    • Chúng hoàn toàn không được lưu trữ
  6. Việc theo dõi thử nghiệm phát triển như thế nào trong thời đại của các mô hình ngôn ngữ lớn?
    • Nó đang bị bỏ rơi vì LLM không cần theo dõi
    • Giờ đây, nó cũng ghi lại các phiên bản kịp thời, dấu vết đánh giá và kết quả đầu ra định tính
    • Hiện tại nó chỉ theo dõi chi phí GPU
    • Nó đã sáp nhập hoàn toàn vào phần mềm chỉnh sửa video
  7. Why record a dataset version or content hash with an ML run?
    • To prove the model is unbiased
    • To guarantee identical GPU arithmetic
    • So the run can be linked to the exact data snapshot used
    • To replace the code version
  8. In MLflow Tracking, where are large model files typically stored relative to parameters and metrics?
    • Only inside the metric names
    • Always embedded in the database row for each parameter
    • They are not recorded by a tracking system
    • In an artifact store, while run metadata is kept in a backend store