Тест, свързан с ръководство · Среден Ниво

Смесен тест за обучение по прецизност

Обхваща FP16 обхват и мащабиране на загубите, bfloat16, главни тегла, автоматично предаване, натрупване на Tensor Core и измерени печалби, зависещи от хардуера.

Свързани ръководни пътекиСмесено обучение за прецизност
Въпрос 1 на 8

In an FP16 training recipe that keeps an FP32 master weight, why retain it?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. In an FP16 training recipe that keeps an FP32 master weight, why retain it?
    • За запазване на прецизността в малките актуализации на теглото, които 16-битовите могат да закръглят
    • За да направите файла на модела по-малък на диска
    • Да позволи обучение без GPU
    • За да шифровате параметрите на модела
  2. Какъв проблем решава скалирането на загубите в обучението по FP16?
    • Модели, препълващи данните
    • Градиенти, падащи до нула, защото обхватът на FP16 е тесен
    • Графичните процесори нямат дисково пространство
    • Бавно зареждане на данни от диска
  3. Какво предимство има bfloat16 пред FP16?
    • Той използва по-малко общи битове
    • Той съхранява текст вместо числа
    • Той има същия широк диапазон на експонентите като FP32, което намалява необходимостта от мащабиране на загубите
    • Работи само на процесори
  4. For many supported Tensor Core matrix operations, how are partial sums commonly accumulated?
    • In integer arithmetic with no rounding
    • In text before converting to FP16
    • In FP16 only, which prevents every numerical error
    • In FP32, which reduces rounding error compared with low-precision accumulation
  5. What is a common benefit of using 16-bit values for supported training operations?
    • They can reduce tensor memory and improve throughput, with gains depending on hardware and workload
    • They guarantee higher model accuracy
    • They remove the need to compute gradients
    • They always double end-to-end training speed
  6. Which current PyTorch APIs are commonly used for automatic mixed-precision training?
    • torch.cuda.amp only, which is the recommended new namespace
    • torch.amp.autocast and, for FP16 gradient scaling, torch.amp.GradScaler
    • torch.load and torch.save
    • torch.nn.DataParallel and torch.manual_seed
  7. Why does bfloat16 often need less loss scaling than FP16?
    • It has more mantissa bits than FP32
    • It stores gradients as integers
    • It has an exponent range like FP32, so very small gradients are less likely to underflow
    • It never rounds values
  8. What does autocast do in automatic mixed precision?
    • Converts every tensor and operation to FP16 unconditionally
    • Replaces the optimizer with a different algorithm
    • Guarantees identical bitwise results to FP32
    • Selects operation dtypes so supported operations can use lower precision while others retain safer precision