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

Ray cho bài kiểm tra AI phân tán

Kiểm tra hiểu biết của bạn về các tác vụ Ray, tác nhân, tham chiếu đối tượng, thư viện phân tán và cách dữ liệu đối tượng di chuyển trong một cụm.

Đường dẫn hướng dẫn liên quanRay cho AI phân tán
Câu hỏi 1 của 8

Ray chủ yếu giải quyết vấn đề gì?

Xem trước mọi câu hỏi8 câu hỏi

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

  1. Ray chủ yếu giải quyết vấn đề gì?
    • Mở rộng khối lượng công việc Python và AI từ một máy đơn thành một cụm lớn với sự thay đổi mã tối thiểu
    • Tự động dán nhãn hình ảnh
    • Nén tập tin mô hình
    • Thiết kế kiến trúc mạng nơ-ron
  2. Ở Ray, sự khác biệt giữa 'nhiệm vụ' và 'diễn viên' là gì?
    • Nhiệm vụ dành cho hình ảnh và diễn viên dành cho văn bản
    • Một tác vụ là một lệnh gọi hàm song song không trạng thái; một diễn viên là một công nhân có trạng thái nắm giữ trạng thái
    • Chúng giống hệt nhau
    • Tác vụ chỉ chạy trên CPU và tác nhân chỉ chạy trên máy in
  3. Ray quay lại ngay lập tức khi bạn khởi chạy một tác vụ từ xa?
    • Kết quả cuối cùng luôn
    • Một thông báo lỗi
    • Một tương lai (tham chiếu đối tượng) mà sau này bạn giải quyết bằng ray.get()
    • Một bản sao của toàn bộ cụm
  4. Thư viện Ray nào được thiết kế để tìm kiếm siêu tham số phân tán?
    • Ray phục vụ
    • Dữ liệu tia
    • RLlib
    • tia giai điệu
  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. Bạn sẽ sử dụng thư viện Ray nào để triển khai các mô hình đằng sau điểm cuối tự động mở rộng quy mô?
    • tia giai điệu
    • Ray phục vụ
    • Tàu Ray
    • Dữ liệu tia
  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