গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

AI কুইজের জন্য GPU বনাম TPU

হার্ডওয়্যার বেছে নেওয়ার আগে জিপিইউ এবং টিপিইউ আর্কিটেকচার, সফ্টওয়্যার সমর্থন, সিস্টেমের সীমাবদ্ধতা এবং কাজের চাপ-নির্দিষ্ট প্রমাণ দলগুলির প্রয়োজন তুলনা করুন।

সম্পর্কিত গাইড পাথএআইয়ের জন্য জিপিইউ বনাম টিপিইউ
প্রশ্ন 1 এর 8

Which frameworks does the guide list as supported for Cloud TPU workloads?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. Which frameworks does the guide list as supported for Cloud TPU workloads?
    • JAX, TensorFlow, and PyTorch/XLA
    • CUDA C++ only
    • PyTorch CPU and ONNX Runtime only
    • TensorFlow Lite only
  2. TPU কে ডিজাইন করে?
    • NVIDIA
    • Google
    • ইন্টেল
    • Apple
  3. কোন মূল হার্ডওয়্যার কাঠামো ম্যাট্রিক্স গুণে TPU-কে দক্ষ করে তোলে?
    • একটি স্পিনিং ম্যাগনেটিক ডিস্ক
    • একটি বড় যান্ত্রিক রিলে ব্যাংক
    • গুন-জমা এককগুলির একটি সিস্টোলিক অ্যারে
    • একটি একক অতি দ্রুত কোর
  4. Which system factors can affect a GPU-versus-TPU performance comparison?
    • Only the accelerator’s peak operation count
    • Only the number of parameters in the model
    • Only the cloud region name
    • Model support, software, interconnects, memory, utilization, and deployment cost
  5. What is a practical strength of GPUs relative to TPUs for many teams?
    • A broad ecosystem of CUDA libraries, tools, and existing GPU-supported workloads
    • A guarantee that every model is faster on a GPU
    • A requirement that all training use TensorFlow
    • A built-in advantage in every cost comparison
  6. Why does the guide recommend benchmarking the intended workload on the specific platform?
    • Peak operation counts always predict end-to-end speed exactly
    • Measured results depend on workload shape, kernels, input pipeline, memory, and system scaling
    • All workloads use the same hardware path and precision
    • A benchmark removes the need to check software support
  7. What should a team compare before choosing between a GPU and a TPU for training?
    • Peak FLOPS alone for an unrelated precision
    • The chip’s name and product launch date
    • End-to-end time and cost for its model, framework, input pipeline, and target scale
    • A benchmark from a different model and software stack
  8. How does Google describe a TPU pod?
    • A single GPU with no network
    • A CPU-only cluster
    • A model format
    • A group of TPU chips connected through a high-speed interconnect