透過 GPU 加快資料分析速度測驗

1. cuDF 可加速哪些開放原始碼程式庫？(可複選)

   請選取所有正確答案。

   pandas

   Polars

   Apache Spark

   Oracle

2. 在 Colab Enterprise 筆記本中匯入 cuDF 前，您必須採取什麼有關執行階段的設定步驟？

   將磁碟大小增加至 500 GB 以上

   選取搭載 GPU 的執行階段 (例如 L4)

   在標準 CPU 執行階段啟用「高 RAM」模式

   掛接 Google 雲端硬碟，儲存暫時的 CUDA 核心

3. 嘗試在 Colab Enterprise 中執行 cuDF 時，您收到「未偵測到支援 CUDA 的裝置」錯誤訊息，最可能的原因是什麼？

   資料集太小，不需要 GPU

   Google Cloud 計費功能目前已停用

   您尚未安裝標準 pandas

   筆記本執行階段沒有 GPU

4. 使用 NVIDIA cuDF 時，不需修改任何程式碼，即可透過 GPU 加速執行 pandas

   是

   否

5. 使用 Colab Enterprise 和 NVIDIA cuDF 時，df.read_csv('/content/data.csv') 主要會將資料載入至何處？

   Google Cloud Storage 值區

   虛擬機器的 CPU RAM

   附加 GPU 的 VRAM

   本機筆電的硬碟

6. 下列哪些是啟用 cuDF pandas 加速功能的有效方法？(可複選)

   請選取所有正確答案。

   在筆記本中使用魔術指令 %load_ext cudf.pandas

   將 .py 檔案重新命名為 .cu_py

   在匯入 pandas 前，先加入 import cudf.pandas; cudf.pandas.install()

   透過 python -m cudf.pandas myscript.py 執行指令碼

7. 使用 cudf.pandas 時，如果特定 pandas 函式尚未透過 GPU 加速，會發生什麼情況？

   安全地改回使用 CPU 執行作業

   系統會引發 NotImplementedError，並停止執行作業

   系統會忽略函式並繼續執行

提交答案