A. df.info(memory_usage='deep')

B. sys.getsizeof(df)

C. np.array(df).nbytes

D. df.memory_usage(deep=True).sum()

A. 일반 .txt 파일로 저장된 비정형 텍스트로 구성된 데이터셋

B. Parquet 형식으로 저장된 대규모 구조화된 데이터 세트

C. 엑셀 파일에 저장된 1,000개 미만의 행으로 구성된 소규모 데이터 세트

D. SQLite 데이터베이스 파일로 저장된 데이터 세트

A. 팬더

B. 다스크

C. Vaex

D. PySpark

A. NVIDIA RAPIDS cuML은 GPU 가속 머신러닝 알고리즘을 사용하여 딥러닝 추론을 최적화합니다.

B. NVIDIA TensorRT를 사용하여 모델 크기와 실행 시간을 줄여 딥러닝 추론을 최적화하고 가속화합니다.

C. NVIDIA DeepStream을 사용하여 배치 모드에서 저지연 추론을 위한 이미지 분류 모델을 처리합니다.

D. NVIDIA Clara Imaging은 이미지 분류 워크로드에 대한 딥러닝 추론 성능을 향상시킵니다.

A. GPU는 병렬 처리에 탁월하므로 벤치마크를 소규모 데이터셋으로 제한하십시오.

B. 프레임워크 간의 리소스 소비량 차이를 고려하지 않고 처리 속도에만 초점을 맞춥니다.

C. cuDF와 Spark-RAPIDS에서 동일한 ETL 워크플로우를 실행하고 실행 시간 및 리소스 사용률을 측정합니다.

D. 실제 시나리오를 비교하기 위해 CPU 클러스터에서 Spark를 실행하고 GPU에서 RAPIDS를 실행합니다.