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।

  1. 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
  2. কোন NVIDIA স্থাপত্যের উপর MIG প্রথম চালু হয়েছিল?
    • ভোল্টা
    • অ্যাম্পিয়ার (A100)
    • টুরিং
    • প্যাসকেল
  3. 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
  4. '1g.5gb'-এর মতো একটি MIG প্রোফাইলে, '5gb' কী উপস্থাপন করে?
    • মেমরি যে উদাহরণে বরাদ্দ
    • এসএমএসের সংখ্যা
    • PCIe ব্যান্ডউইথ
    • ঘড়ির গতি
  5. 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
  6. 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
  7. 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
  8. 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