Quiz zur Beschleunigung der Datenanalyse mit GPUs

1. Welche Open-Source-Bibliothek wird durch cuDF beschleunigt? Bitte wählen Sie alle zutreffenden Antworten aus.

   Wählen Sie so viele Antworten, wie Sie für richtig halten.

   pandas

   Polars

   Apache Spark

   Oracle

2. Welchen Konfigurationsschritt müssen Sie in Bezug auf die Laufzeit ausführen, bevor Sie cuDF in ein Colab Enterprise-Notebook importieren können?

   Erhöhen Sie die Laufwerkgröße auf mindestens 500 GB.

   Wählen Sie eine Laufzeit aus, die speziell mit einer GPU (z. B. L4) ausgestattet ist.

   „High-RAM“-Modus in einer Standard-CPU-Laufzeit aktivieren

   Google Drive einbinden, um die temporären CUDA-Kernel zu speichern

3. Beim Versuch, cuDF in Colab Enterprise auszuführen, erhalten Sie eine Fehlermeldung, die besagt, dass „kein CUDA-fähiges Gerät erkannt wurde“. Was ist die wahrscheinlichste Ursache?

   Das Dataset ist zu klein, um eine GPU zu benötigen.

   Google Cloud-Abrechnung ist derzeit deaktiviert

   Sie haben das Standard-Pandas nicht installiert.

   Die Notebook-Laufzeit hat keine GPU

4. Für die GPU-Beschleunigung von Pandas sind keine Codeänderungen erforderlich, wenn NVIDIA cuDF verwendet wird.

   Wahr

   Falsch

5. Wenn Sie Colab Enterprise mit NVIDIA cuDF verwenden, wohin werden die Daten durch df.read_csv('/content/data.csv') hauptsächlich geladen?

   Google Cloud Storage-Buckets

   CPU-RAM der virtuellen Maschine

   VRAM der angehängten GPU

   Die Festplatte Ihres lokalen Laptops

6. Welche der folgenden Methoden sind gültig, um die Pandas-Beschleunigung von cuDF zu aktivieren? Bitte wählen Sie alle zutreffenden Antworten aus.

   Wählen Sie so viele Antworten, wie Sie für richtig halten.

   Verwenden des magischen Befehls %load_ext cudf.pandas in einem Notebook

   .py-Datei in .cu_py umbenennen

   Fügen Sie vor dem Import von Pandas „import cudf.pandas; cudf.pandas.install()“ hinzu.

   Ausführen eines Skripts über „python -m cudf.pandas myscript.py“

7. Was passiert, wenn eine bestimmte Pandas-Funktion noch nicht GPU-beschleunigt ist, wenn „cudf.pandas“ verwendet wird?

   Sanfter Fallback zur CPU-Ausführung

   Es wird ein „NotImplementedError“ ausgelöst und die Ausführung wird angehalten.

   Funktion wird ignoriert und die Ausführung wird fortgesetzt

Antworten senden