Quiz sur l'accélération de l'analyse de données avec les GPU

1. Quelle bibliothèque Open Source cuDF accélère-t-il ? (Plusieurs réponses possibles)

   Choisissez autant de réponses que vous jugez nécessaires.

   pandas

   Polars

   Apache Spark

   Oracle

2. Avant d'importer cuDF dans un notebook Colab Enterprise, quelle étape de configuration devez-vous effectuer concernant l'environnement d'exécution ?

   Augmentez la taille du disque à 500 Go ou plus.

   Sélectionnez un environnement d'exécution équipé d'un GPU (par exemple, L4).

   Activer le mode "RAM élevée" sur un environnement d'exécution CPU standard

   Montez Google Drive pour stocker les noyaux CUDA temporaires.

3. Lorsque vous essayez d'exécuter cuDF dans Colab Enterprise, vous recevez un message d'erreur indiquant qu'aucun appareil compatible avec CUDA n'a été détecté. Quelle en est la cause la plus probable ?

   L'ensemble de données est trop petit pour nécessiter un GPU.

   La facturation Google Cloud est actuellement désactivée

   Vous n'avez pas installé la bibliothèque pandas standard.

   L'environnement d'exécution du notebook ne dispose pas de GPU

4. L'accélération de pandas par GPU ne nécessite aucune modification de code lors de l'utilisation de NVIDIA cuDF

   Vrai

   Faux

5. Lorsque vous utilisez Colab Enterprise avec NVIDIA cuDF, où df.read_csv('/content/data.csv') charge-t-il principalement les données ?

   Buckets Google Cloud Storage

   RAM du processeur de la machine virtuelle

   VRAM des GPU associés

   Le disque dur de votre ordinateur portable local

6. Quelles sont les méthodes valides pour activer l'accélération pandas de cuDF ? (Plusieurs réponses possibles)

   Choisissez autant de réponses que vous jugez nécessaires.

   Utiliser la commande magique %load_ext cudf.pandas dans un notebook

   Renommer votre fichier .py en .cu_py

   Ajouter "import cudf.pandas; cudf.pandas.install()" avant d'importer pandas

   Exécuter un script via python -m cudf.pandas myscript.py

7. Lorsque vous utilisez cudf.pandas, que se passe-t-il si une fonction pandas spécifique n'est pas encore accélérée par GPU ?

   Retour progressif à l'exécution du processeur

   Une erreur NotImplementedError est générée et l'exécution est interrompue.

   La fonction est ignorée et l'exécution se poursuit

Envoyer les réponses