Câu đố về việc tăng tốc phân tích dữ liệu bằng GPU

1. cuDF tăng tốc thư viện nguồn mở nào? (Hãy chọn tất cả phương án phù hợp)

   Chọn số lượng đáp án tuỳ ý.

   gấu trúc

   Polars

   Apache Spark

   Oracle

2. Trước khi nhập cuDF vào sổ tay Colab Enterprise, bạn phải thực hiện bước định cấu hình nào liên quan đến Thời gian chạy?

   Tăng dung lượng ổ đĩa lên 500 GB trở lên

   Chọn một Thời gian chạy được trang bị riêng GPU (ví dụ: L4)

   Bật chế độ "RAM cao" trên một môi trường thời gian chạy CPU tiêu chuẩn

   Kết nối Google Drive để lưu trữ các hạt nhân CUDA tạm thời

3. Khi cố gắng chạy cuDF trong Colab Enterprise, bạn nhận được lỗi cho biết "không phát hiện thấy thiết bị có CUDA", nguyên nhân có khả năng nhất là gì?

   Tập dữ liệu quá nhỏ nên không cần đến GPU

   Tính năng thanh toán của Google Cloud hiện đang bị vô hiệu hoá

   Bạn chưa cài đặt pandas tiêu chuẩn

   Môi trường thời gian chạy của sổ tay không có GPU

4. Việc tăng tốc pandas bằng GPU không yêu cầu thay đổi mã khi sử dụng NVIDIA cuDF

   Đúng

   Sai

5. Khi sử dụng Colab Enterprise với NVIDIA cuDF, df.read_csv('/content/data.csv') chủ yếu tải dữ liệu vào đâu?

   Bộ chứa Google Cloud Storage

   RAM CPU của máy ảo

   VRAM của GPU được đính kèm

   Ổ cứng của máy tính xách tay tại địa phương

6. Đâu là những phương thức hợp lệ để kích hoạt tính năng tăng tốc pandas cuDF? (Hãy chọn tất cả phương án phù hợp)

   Chọn số lượng đáp án tuỳ ý.

   Sử dụng lệnh đặc biệt %load_ext cudf.pandas trong sổ tay

   Đổi tên tệp .py thành .cu_py

   Thêm import cudf.pandas; cudf.pandas.install() trước khi nhập pandas

   Chạy tập lệnh thông qua python -m cudf.pandas myscript.py

7. Khi sử dụng cudf.pandas, điều gì sẽ xảy ra nếu một hàm pandas cụ thể chưa được tăng tốc bằng GPU?

   Quay lại thực thi trên CPU một cách suôn sẻ

   NotImplementedError được tăng lên và quá trình thực thi bị tạm dừng

   Hàm bị bỏ qua và quá trình thực thi tiếp tục

Gửi câu trả lời