引導式測驗 · 中等 等級

Python ML 測驗的依賴關係管理

了解虛擬環境、鎖定檔案、套件管理器角色以及為什麼必須在目標平台上測試 GPU 輪選擇。

相關引導路徑Python ML 的依賴管理
問題 1 的 8

虛擬環境主要提供什麼?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 虛擬環境主要提供什麼?
    • 將專案套件與其他 Python 環境隔離
    • 相容的主機 GPU 驅動程式
    • 確定性訓練的保證
    • 外部資料集的鎖定
  2. 鎖定檔(lockfile)通常比相依性清單(dependency manifest)多提供什麼?
    • 訓練資料集的複本
    • 具體解析的相依性集合
    • 主機核心驅動程式
    • 保證每個 wheel 永遠存在
  3. 為什麼通用的框架安裝指令可能會選到不適合的 GPU 建置版本?
    • 每台機器都有相同的執行階段函式庫
    • Python 套件永遠會忽略 CUDA 版本
    • Wheel 變體取決於平台與加速器相容性
    • 鎖定檔會設定主機驅動程式版本
  4. 乾淨的 CI 安裝有助於偵測什麼?
    • 所有永久的套件漏洞
    • 模型的因果有效性
    • 未來的 GPU 可用性
    • 僅存在於開發者電腦上未宣告的相依性
  5. 鎖定檔 (lockfile) 通常不會控制 Python 的哪一層?
    • 遞移性 Python 套件版本
    • 主機 NVIDIA 核心驅動程式
    • 某些平台套件標記
    • 支援時的已解析套件雜湊值
  6. 當團隊同時支援 CPU 和 GPU 安裝時,應該怎麼做?
    • 將驅動程式儲存在 requirements.txt 中
    • 假設同一個 wheel 檔案在每個平台上運作方式都相同
    • 測試每個支援的環境並記錄套件限制
    • 避免記錄框架版本
  7. 為什麼在適當的情況下要使用套件雜湊值?
    • 它們使相依性更新自動化
    • 它們強制每個套件都使用 GPU
    • 它們提供模型準確度估計
    • 它們有助於驗證下載的成品是否與預期內容相符
  8. 可重複的套件解析本身無法保證什麼?
    • 跨硬體和資料管線的位元級相同訓練
    • 已記錄的相依性圖表
    • 乾淨的專案環境
    • 經過測試的安裝程序