引导式测验 · 中等 等级

实验跟踪测验

涵盖运行元数据、指标、工件、数据集标识、环境捕获以及实验记录可以支持的内容。

相关引导路径实验跟踪
问题 1 的 8

机器学习中实验跟踪的主要目的是什么？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 机器学习中实验跟踪的主要目的是什么？
    • 通过记录完整的上下文来使运行具有可重复性和可比性
    • 使模型在 GPU 上训练得更快
    • 自动将模型部署到生产中
    • 压缩模型权重以进行存储
  2. 哪种组合对于使单次训练真正可重复至关重要？
    • 只有最终的准确率数字
    • 代码版本、数据集和超参数
    • GPU温度和风扇速度
    • 数据科学家的姓名
  3. 以下哪一个是流行的实验跟踪工具？
    • Photoshop
    • 库伯内斯
    • ML流
    • PostgreSQL
  4. 大多数实验跟踪器通常如何在训练期间捕获指标？
    • 之后手动将数字复制到电子表格中
    • 通过终端截图
    • 通过阅读模型的源代码
    • 通过记录 API 调用插入到流式传输到后端的训练循环中
  5. 跟踪系统通常将大型工件（例如保存的模型权重）存储在哪里？
    • 在对象/工件存储中，引用保存在元数据存储中
    • 在指标数据库行内
    • 永久存在于 GPU 内存中
    • 它们根本不被存储
  6. 在大型语言模型时代，实验跟踪如何演变？
    • 它正在被放弃，因为法学硕士不需要跟踪
    • 它现在还捕获提示版本、评估跟踪和定性输出
    • 它现在只跟踪 GPU 成本
    • 它已完全合并到视频编辑软件中
  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