最新 HP HPE2-N69 考试试卷 PDF 2023 [Q25-Q40]

给本帖评分

最新 HP HPE2-N69 考试试卷 PDF 2023

100% 免费 HPE 产品认证 - AI 和机器学习 HPE2-N69 Dumps PDF 演示版证书指南封面

要有资格参加 HP HPE2-N69 考试，考生必须对人工智能概念和 Python 等编程语言有基本的了解。他们还应有使用 HPE Cray AI 开发环境开发和部署 AI 应用程序的经验。HPE2-N69考试由50道选择题组成，考生有90分钟的时间完成考试。HPE2-N69 考试的合格分数为 70%。

HPE2-N69 考试旨在测试考生使用 HPE Cray AI 开发环境的知识和技能。HPE2-N69考试主要面向希望获得使用HPE Cray AI开发环境开发、部署和维护人工智能（AI）解决方案的专业知识的IT专业人士。HPE2-N69 考试涵盖一系列主题，包括数据准备、模型训练、模型部署和模型监控等。

新问题 25
一位 ml 工程师希望在 HPE 机器学习开发环境上训练一个模型，而不实施超参数优化 (HPO)。哪些实验配置字段可以配置这种行为？

profiling: enabled: false

超参数；优化器：无

搜索者：姓名：单身

资源： slot_per_trial：1

新问题 26
您想在本地计算机上为 HPE 机器学习开发环境的开源 Determined 设置一个简单的演示集群。支持哪些操作系统？

HP-UX v11i

Windows Server 2016 或更高版本

Windows 10 或更高版本

基于 Red Hat 7 的 Linux

新问题 27
在实施超参数优化 (HPO) 的过程中，ML 团队面临哪些共同挑战？

HPO 是管理部门和 IT 运营部门的共同工作，工程师与 IT 团队缺乏足够深入的整合。

他们无法在 TensorFlow 模型上实施 HPO，因此必须将模型转移到新的框架中。

手动实施 HPO 可能会耗费大量时间，而且需要大量专业知识。

人工智能团队很难找到足够大的数据集，使 HPO 变得可行和有价值。

新问题 28
您在与客户会面时，MUDL 工程师对硬件故障造成的工作损失表示沮丧。您应该如何解释 HPE 机器学习开发环境如何解决这一痛点？

该解决方案可自动将培训过程映射到冗余代理上，一旦出现问题，冗余代理就会接管。

该解决方案可持续监控代理硬件，并在硬件故障导致培训中断前主动发出警报。

指挥器和每个代理都以主动-备用模式部署，可在硬件出现问题时提供保护。

该解决方案可以在训练过程中定期检查点，并自动从最新的检查点重新启动失败的训练。

新问题 29
某客户正在内部基础架构上部署 HPE 机器学习开发环境。客户希望在配备 8 个英伟达 A too GPU 的服务器上运行一些实验，而在仅配备 Z 英伟达 T4 GPU 的服务器上运行其他实验。您有什么建议？

让指挥仪根据所需的资源插槽数量，自动决定每次实验使用哪些服务器

部署两个 HPE 机器学习开发环境集群，每种服务器类型各一个

部署配备 8 个 GPU 的服务器作为代理，并使用指挥器运行只需要 2 个 GPU 的实验

在群集上建立多个计算资源池，每种类型的服务器都有一个计算资源池

新问题 30
您想在 Amazon Web Services (AWS) 上为 HPE Machine Learning Development Environment（或开源 Determined Al）建立一个简单的演示集群。您计划使用 "det deploy "来设置群集。
一个先决条件是什么？

在本地计算机上安装英伟达™（NVIDIA®）容器工具包

手动创建带有 PostgreSQL 数据库的 AWS EC2 实例

记录有效 AWS EC2 密钥对的名称

将亚马逊弹性 Kubernetes 服务 (EKS) 添加到您的 AWS 账户

新问题 31
某公司拥有一个 HPE 机器学习开发环境集群。ML 工程师将训练和验证数据集存储在 Google Cloud Storage (GCS) 中。与下载数据相比，在试验期间流式传输数据的优势是什么？

流媒体只需要一个水桶，而下载则需要许多水桶。

试验可以更好地分离训练数据和验证数据。

设置流媒体比设置下载更容易。

试验可以更快地启动并开始训练模型。

新问题 32
除了开源的 Determined AI 之外，HPE 机器学习开发环境还有哪些优势？

自动用户配置

基于管道的数据管理

分布式培训

自动超参数优化 (HPO)

新问题 33
某公司拥有一个 HPE 机器学习开发环境集群。ML 工程师将训练和验证数据集存储在 Google Cloud Storage (GCS) 中。与下载数据相比，在试验期间流式传输数据的优势是什么？

流媒体只需要一个水桶，而下载则需要许多水桶。

试验可以更快地启动并开始训练模型。

试验可以更好地分离训练数据和验证数据。

设置流媒体比设置下载更容易。

新问题 34
ML 工程师希望运行一个包含数百次试验的自适应 ASHA 实验。工程师知道同一资源池中还将运行其他几个实验，因此希望避免占用过多资源。工程师可以在实验配置文件中做些什么来帮助实现这一目标？

在 "搜索器 "下，设置 "max_concurrent_trails"（最大并发轨迹），以限制本实验一次运行的试验次数。

在 "搜索器 "下，将 "除数-"设为 2，以减少实验获得的资源插槽份额。

设置 "scheduling_unit（调度单位）"，以限制本实验一次使用的资源槽数量。

在 "resources. "下，将 "优先级 "设为 I，以减少实验所获得的资源槽垫份额。

新问题 35
HPE 机器学习开发环境集群指挥员的职责之一是什么？

下载数据集进行训练。

它会上传模型检查点。

它可以验证训练有素的模型。

它可确保实验元数据的存储。

新问题 36
您想在本地计算机上设置一个简单的演示 Ouster tor HPE 机器学习开发环境（用于开源 Determined AI）。您计划使用 "del deploy "来建立集群。在运行该命令之前，机器上必须安装哪些软件？

Kubernetes

PyTorch

Terralorm

Docker

新问题 37
您正在帮助客户利用 HPE 机器学习开发环境开始实施超参数优化 (HPO)。一名 ML 工程师正在将实验配置文件与所需的自适应 A5HA 设置放在一起。工程师向您提出了一些问题，例如最大长度将训练多少次试验，所有试验的最小长度是多少。
你该怎么解释？

工程师应参照实验配置运行 "det preview-search "命令。

工程师应访问 HPE 机器学习开发在线计算器，并输入模式、max_trials、max_length、除数和 max_runs。

工程师应将实验配置上传到 HPE 机器学习开发环境 WebUl，并查看实验计划的图表。

工程师应该用十分之一的最大试验次数进行初步实验，评估实验结果，然后进行全面实验。

新问题 38
一名 ML 工程师正在 HPE 机器学习开发环境上运行实验。工程师注意到，试验结束后，除一个检查点外，试验的所有检查点都消失了。工程师希望保留更多这些检查点。您有什么建议？

在实验配置的检查点存储设置中调整保存最新和最佳检查点的数量。

监控正在进行的试验在 WebUl 中点击检查点标记，自动保存所需的检查点。

再次检查检查点存储位置的总容量是否在 90% 以下。

调整检查点存储设置，将检查点保存到共享文件系统而不是云存储。

新问题 39
隐藏层在人工神经网络（ANN）中的作用是什么？

它负责被动地重新格式化数据，供 ANN 使用。

它负责根据前几层的加权输入，最终决定如何给记录贴标签。

它接收并权衡上一层的输入，并为下一层生成输出。

它在数据通过 ANN 的前向传递过程中不起作用，但在后向传递过程中有助于优化。

新问题 40
您所在的机器目录中包含实验配置文件和模型代码。输入以下命令
det experiment create myfile.yaml
您将收到此错误信息：
det experiment create: error: following arguments are required: model_def 怎么办？

重新输入命令，在"-m "中输入代码文件名。

确保 myfile.yaml tile 包含 PyTorchTrial 或 TFKerasTrial 类的代码。

重新输入命令，在末尾加上句号（.）。

确保已使用 "det login "命令登录群集。