แบบทดสอบเร่งความเร็วการวิเคราะห์ข้อมูลด้วย GPU

1. cuDF เร่งความเร็วไลบรารีโอเพนซอร์สใด (เลือกได้มากกว่า 1 ข้อ)

   เลือกคำตอบได้มากเท่าที่คุณเห็นว่าเหมาะสม

   แพนด้า

   Polars

   Apache Spark

   Oracle

2. ก่อนที่จะนำเข้า cuDF ในสมุดบันทึก Colab Enterprise คุณต้องทำขั้นตอนการกำหนดค่าใดเกี่ยวกับรันไทม์

   เพิ่มขนาดดิสก์เป็น 500 GB ขึ้นไป

   เลือกรันไทม์ที่มี GPU (เช่น L4) โดยเฉพาะ

   เปิดใช้โหมด "High-RAM" ในรันไทม์ CPU มาตรฐาน

   ต่อเชื่อม Google ไดรฟ์เพื่อจัดเก็บเคอร์เนล CUDA ชั่วคราว

3. ขณะพยายามเรียกใช้ cuDF ใน Colab Enterprise คุณได้รับข้อผิดพลาดที่ระบุว่า "ไม่พบอุปกรณ์ที่ใช้ CUDA ได้" สาเหตุที่เป็นไปได้มากที่สุดคืออะไร

   ชุดข้อมูลมีขนาดเล็กเกินไปจึงไม่จำเป็นต้องใช้ GPU

   ขณะนี้ปิดใช้การเรียกเก็บเงินของ Google Cloud อยู่

   คุณไม่ได้ติดตั้ง pandas มาตรฐาน

   รันไทม์ของ Notebook ไม่มี GPU

4. การเร่งความเร็ว pandas ด้วย GPU ไม่จำเป็นต้องเปลี่ยนแปลงโค้ดเมื่อใช้ NVIDIA cuDF

   จริง

   เท็จ

5. เมื่อใช้ Colab Enterprise กับ NVIDIA cuDF df.read_csv('/content/data.csv') จะโหลดข้อมูลไปยังที่ใดเป็นหลัก

   ที่เก็บข้อมูล Google Cloud Storage

   RAM ของ CPU ของเครื่องเสมือน

   VRAM ของ GPU ที่แนบ

   ฮาร์ดไดรฟ์ของแล็ปท็อปในพื้นที่

6. วิธีใดต่อไปนี้เป็นวิธีที่ถูกต้องในการเปิดใช้งานการเร่งความเร็ว cuDF pandas (เลือกได้มากกว่า 1 ข้อ)

   เลือกคำตอบได้มากเท่าที่คุณเห็นว่าเหมาะสม

   การใช้คำสั่ง Magic %load_ext cudf.pandas ใน Notebook

   การเปลี่ยนชื่อไฟล์ .py เป็น .cu_py

   เพิ่ม import cudf.pandas; cudf.pandas.install() ก่อนนำเข้า pandas

   การเรียกใช้สคริปต์ผ่าน python -m cudf.pandas myscript.py

7. เมื่อใช้ cudf.pandas จะเกิดอะไรขึ้นหากฟังก์ชัน pandas บางอย่างยังไม่ได้รับการเร่งความเร็วด้วย GPU

   เปลี่ยนกลับไปใช้การดำเนินการ CPU อย่างราบรื่น

   ระบบจะแสดง NotImplementedError และหยุดการดำเนินการ

   ระบบจะไม่สนใจฟังก์ชันและดำเนินการต่อไป

ส่งคำตอบ