Kuis Mempercepat analisis data dengan GPU

1. Library open source apa yang dipercepat oleh cuDF? (Pilih semua yang sesuai)

   Pilih sebanyak mungkin jawaban yang Anda inginkan.

   pandas

   Polar

   Apache Spark

   Oracle

2. Sebelum mengimpor cuDF di notebook Colab Enterprise, langkah konfigurasi apa yang harus Anda lakukan terkait Runtime?

   Perbesar ukuran disk menjadi 500 GB atau lebih

   Pilih Runtime yang dilengkapi secara khusus dengan GPU (misalnya, L4)

   Mengaktifkan mode "RAM Tinggi" pada runtime CPU standar

   Pasang Google Drive untuk menyimpan kernel CUDA sementara

3. Saat mencoba menjalankan cuDF di Colab Enterprise, Anda menerima error yang menunjukkan "tidak ada perangkat yang kompatibel dengan CUDA yang terdeteksi", apa kemungkinan penyebabnya?

   Set data terlalu kecil untuk memerlukan GPU

   Penagihan Google Cloud saat ini dinonaktifkan

   Anda belum menginstal pandas standar

   Runtime notebook tidak memiliki GPU

4. Mempercepat pandas dengan GPU tidak memerlukan perubahan kode saat menggunakan NVIDIA cuDF

   Benar

   Salah

5. Saat menggunakan Colab Enterprise dengan NVIDIA cuDF, ke mana df.read_csv('/content/data.csv') memuat data terutama?

   Bucket Google Cloud Storage

   RAM CPU mesin virtual

   VRAM GPU yang terpasang

   Hard drive laptop lokal Anda

6. Manakah dari berikut ini yang merupakan metode valid untuk mengaktifkan akselerasi pandas cuDF? (Pilih semua yang sesuai)

   Pilih sebanyak mungkin jawaban yang Anda inginkan.

   Menggunakan perintah ajaib %load_ext cudf.pandas di notebook

   Mengganti nama file .py menjadi .cu_py

   Menambahkan import cudf.pandas; cudf.pandas.install() sebelum mengimpor pandas

   Menjalankan skrip melalui python -m cudf.pandas myscript.py

7. Saat menggunakan cudf.pandas, apa yang terjadi jika fungsi pandas tertentu belum dipercepat GPU?

   Pengalihan yang lancar ke eksekusi CPU

   NotImplementedError dimunculkan dan eksekusi dihentikan

   Fungsi diabaikan dan eksekusi berlanjut

Kirim jawaban