📝 MLOps与模型部署 章节测验
本章测验，共 5 题，通过分数线 60%
计分测验 · 通过线 60%
1. vLLM 在生产部署 LLM 时的核心优化技术是？
A模型量化
BPagedAttention，高效管理 KV Cache 内存，提升吞吐量
C模型蒸馏
D参数共享
2. MLflow 在机器学习项目中主要用于？
A模型推理服务
B实验追踪、模型版本管理和部署
C数据预处理
D分布式训练
3. 模型量化（Quantization）的主要目的是？
A提升模型精度
B用更低位数（如 INT8/INT4）表示权重，减少显存占用和加速推理
C增加模型层数
D扩展上下文窗口
4. Ollama 的主要应用场景是？
A云端大规模部署
B在本地设备上一键运行开源 LLM（如 Llama、DeepSeek）
C训练新模型
D向量检索
5. ONNX 格式在模型部署中的价值是？
A提升模型准确率
B提供跨框架的通用模型表示，使 PyTorch 模型能在 TensorRT 等运行时部署
C自动优化超参数
D支持在线学习
🎉 本章节已完成！继续学习
下一章节生产化部署生产化部署导读-从Demo到生产的距离
→