使用 GPU 加快数据分析速度测验

1. cuDF 可加速哪些开源库？（请选择所有适用选项）

   选择合适的多项回答。

   pandas

   极地

   Apache Spark

   Oracle

2. 在 Colab Enterprise 笔记本中导入 cuDF 之前，您必须针对运行时采取哪项配置步骤？

   将磁盘大小增加到 500GB 或更大

   选择专门配备了 GPU（例如 L4）的运行时

   在标准 CPU 运行时中启用“高 RAM”模式

   装载 Google 云端硬盘以存储临时 CUDA 内核

3. 尝试在 Colab Enterprise 中运行 cuDF 时，您收到一条错误消息，指出“未检测到支持 CUDA 的设备”，最可能的原因是什么？

   数据集太小，不需要 GPU

   Google Cloud 结算目前已停用

   您尚未安装标准 pandas

   笔记本运行时没有 GPU

4. 使用 NVIDIA cuDF 时，无需更改任何代码即可使用 GPU 加速 Pandas

   正确

   错误

5. 将 Colab Enterprise 与 NVIDIA cuDF 搭配使用时，df.read_csv('/content/data.csv') 主要将数据加载到哪里？

   Google Cloud Storage 存储分区

   虚拟机的 CPU RAM

   所挂接 GPU 的 VRAM

   本地笔记本电脑的硬盘

6. 以下哪些是激活 cuDF pandas 加速功能的有效方法？（请选择所有适用选项）

   选择合适的多项回答。

   在笔记本中使用魔法命令 %load_ext cudf.pandas

   将 .py 文件重命名为 .cu_py

   在导入 pandas 之前添加了 import cudf.pandas; cudf.pandas.install()

   通过 python -m cudf.pandas myscript.py 运行脚本

7. 使用 cudf.pandas 时，如果某个特定的 pandas 函数尚未通过 GPU 加速，会发生什么情况？

   正常回退到 CPU 执行

   系统会引发 NotImplementedError 并停止执行

   函数被忽略，执行继续

提交回答