গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
মাল্টি-ইনস্ট্যান্স জিপিইউ পার্টিশনিং কুইজ
কেন সমর্থিত হার্ডওয়্যার পার্টিশন পছন্দ নির্ধারণ করে তা সহ MIG প্রোফাইল, GPU-বনাম-কম্পিউট ইনস্ট্যান্স রিসোর্স এবং ডিভাইস এক্সপোজার প্রয়োগ করুন।
প্রশ্ন 1 এর 8
Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?
- Only a different process priority on one shared execution queue
- A guaranteed absence of every host or device failure
- A separate network cable for every CUDA kernel
- Dedicated hardware compute and memory resources for each GPU Instance
- কোন NVIDIA স্থাপত্যের উপর MIG প্রথম চালু হয়েছিল?
- ভোল্টা
- অ্যাম্পিয়ার (A100)
- টুরিং
- প্যাসকেল
- On an A100 40 GB using supported small-instance profiles, how many GPU Instances can a layout provide?
- Exactly sixteen on every supported GPU
- Exactly two regardless of profile
- Up to seven
- An unlimited number with no memory limits
- '1g.5gb'-এর মতো একটি MIG প্রোফাইলে, '5gb' কী উপস্থাপন করে?
- মেমরি যে উদাহরণে বরাদ্দ
- এসএমএসের সংখ্যা
- PCIe ব্যান্ডউইথ
- ঘড়ির গতি
- কোন কাজের চাপের জন্য MIG বিশেষভাবে উপযুক্ত?
- একটি একক বিশাল প্রশিক্ষণ চালানোর জন্য পুরো GPU প্রয়োজন
- অনুমানযোগ্য লেটেন্সি সহ মাল্টি-টেন্যান্ট ইনফারেন্স পরিবেশন করা হচ্ছে
- সিপিইউ-বাউন্ড ডেটা প্রিপ্রসেসিং
- দীর্ঘমেয়াদী কোল্ড স্টোরেজ
- কিভাবে একটি কুবারনেটস ক্লাস্টার MIG দৃষ্টান্তগুলিকে পডগুলিতে প্রকাশ করতে পারে?
- কাঁচা ডিস্ক ভলিউম হিসাবে
- শুধুমাত্র ম্যানুয়াল SSH এর মাধ্যমে
- 'nvidia.com/mig-1g.5gb'-এর মতো সময় নির্ধারণযোগ্য সংস্থান হিসাবে
- DNS রেকর্ডের মাধ্যমে
- Two Compute Instances belong to the same MIG GPU Instance. Which resources do they share?
- Their parent GPU Instance’s memory resources
- Only a remote CPU’s filesystem
- Separate complete copies of physical GPU memory
- Every compute slice on unrelated GPUs
- A team wants to deploy a named MIG profile on a new GPU model. What should it check first?
- That every NVIDIA GPU supports identical profiles
- That the model parameter count is an even integer
- That the Kubernetes pod name contains the profile text
- That the GPU supports MIG and that exact profile layout