Ray Train / Tune クイズ
選択式問題
- Ray Train が自動的に実装しないものはどれですか？
- A) 基盤となる worker の協調
- B) Framework の process group セットアップ
- C) すべての model/data partition/state save-and-restore ロジック
- D) Ray リソースリクエスト
回答を表示
回答: C
model/data-loader の統合と、実際の model、optimizer、checkpoint ロジックを用意します。
- 2.58.0 で確認された Train V2 のデフォルトはどれですか？
- A) environment variable が未設定の場合は V2
- B) V1 のみ実行可能
- C) TorchTrainer の import が削除された
- D) Ray extras が PyTorch を自動的にインストールする
回答を表示
回答: A
古い implementation を明示的に選択する実行と区別します。Framework は別途必要な dependency です。
- V2 で legacy trainer_resources を設定すると何が起こりますか？
- A) 常により多くの controller CPU を予約する
- B) deprecation error が発生する
- C) GPU 数が増加する
- D) Tune trial 数が変わる
回答を表示
回答: B
controller、training worker、Tune driver のリソーススコープは異なります。
- Checkpoint.from_directory は何をしますか？
- A) すべての model/optimizer/RNG state を自動的にキャプチャする
- B) ユーザーが用意した checkpoint directory 内のファイルを参照する
- C) model をデプロイする
- D) dataset を匿名化する
回答を表示
回答: B
recovery payload を実装し、get_checkpoint から返される checkpoint をロードします。
- 2.58.0 の V2 report 参加ルールはどれですか？
- A) rank 0 のみが呼び出す
- B) すべての worker が同じ回数 barrier に到達する
- C) すべての metric が自動的に平均化される
- D) checkpoint なしでは呼び出せない
回答を表示
回答: B
rank 0 のみがファイルを保存する場合でも、他の worker は checkpoint=None を report します。
- max_failures=0 はすべての retry を無効にしますか？
- A) はい
- B) いいえ。controller と preemption の retry には個別の設定があります
- C) 常に無限 retry を意味する
- D) Karpenter の retry のみを無効にする
回答を表示
回答: B
controller_failure_limit と max_preemption_failures の確認済みデフォルトはいずれも -1 です。
- 現在の V2 Train/Tune 統合パターンはどれですか？
- A) V2 Trainer instance を直接 Tuner に渡す
- B) function trainable 内で Trainer を構築して fit し、必要に応じて callback を接続する
- C) ライブラリを組み合わせることはできない
- D) 常に別の Kubernetes cluster が必要である
回答を表示
回答: B
V2 Trainer を直接入力すると、native check で TuneError が発生しました。統合には wiring とリソース計画が必要です。
- TuneReportCallback は何を転送しますか？
- A) 自動的に平均化された worker metric
- B) 2 回目の checkpoint upload
- C) 最初の worker の metric dictionary と既存の checkpoint path
- D) Tune session の外部でも常に動作する
回答を表示
回答: C
Tune session 内で構築します。metric aggregation は別途実行します。
短答式問題
- なぜ trial driver と Train worker をまとめて予算化する必要があるのですか？
回答を表示
driver は、ネストされた worker または placement group に必要なリソースを占有する可能性があります。concurrency、worker bundle、cluster 境界、および node ごとの実現可能性をまとめて確認します。
- scalar Tune の成功例だけでは何を確認できませんか？
回答を表示
これは model accuracy、PyTorch/DDP または GPU performance、multi-node checkpoint recovery、EKS autoscaling を証明するものではありません。API と 2 つの scalar trial 結果の収集を確認するものです。