গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
টেনসর কোর কুইজ
টেনসর কোর ম্যাট্রিক্স অপারেশন, মিশ্র-নির্ভুলতা সংগ্রহ, সফ্টওয়্যার টাইলিং, এবং আর্কিটেকচার-নির্দিষ্ট সংখ্যাসূচক বিন্যাস কভার করে।
প্রশ্ন 1 এর 8
কোন মূল গাণিতিক ক্রিয়াকলাপ টেনসর কোরগুলিকে ত্বরান্বিত করার জন্য বিশেষভাবে ডিজাইন করা হয়েছে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- কোন মূল গাণিতিক ক্রিয়াকলাপ টেনসর কোরগুলিকে ত্বরান্বিত করার জন্য বিশেষভাবে ডিজাইন করা হয়েছে?
- ম্যাট্রিক্স গুন-এন্ড-জমা (D = A x B + C)
- সংখ্যার বড় তালিকা বাছাই
- এলোমেলো সংখ্যা প্রজন্ম
- ডেটা এনক্রিপ্ট এবং ডিক্রিপ্ট করা
- কোন NVIDIA GPU আর্কিটেকচার প্রথম টেনসর কোর চালু করেছিল?
- প্যাসকেল
- ভোল্টা
- টুরিং
- ম্যাক্সওয়েল
- কেন টেনসর কোরগুলি প্রায়শই FP16 বা FP8 এর মতো কম নির্ভুলতা ব্যবহার করে?
- AI এর জন্য আইন দ্বারা নিম্ন নির্ভুলতা প্রয়োজন
- একটি GPU-তে উচ্চতর নির্ভুলতা অসম্ভব
- এটি প্রতি ঘড়িতে আরও সংখ্যা প্রক্রিয়াকরণ করতে দেয়, নির্ভুলতা গ্রহণযোগ্য রেখে থ্রুপুট বৃদ্ধি করে
- এটি চিপটিকে শারীরিকভাবে ছোট করে তোলে
- নির্ভুলতা রক্ষা করার জন্য, টেনসর কোরগুলি সাধারণত চলমান যোগফল (সঞ্চয়) এর জন্য কোন নির্ভুলতা ব্যবহার করে?
- ইনপুট হিসাবে একই কম নির্ভুলতা
- কোন জমা সঞ্চালিত হয়
- কোনো ভগ্নাংশ ছাড়াই শুধুমাত্র পূর্ণসংখ্যা
- একটি উচ্চ নির্ভুলতা যেমন FP32
- PyTorch এর মত দৈনন্দিন এআই ফ্রেমওয়ার্ক কিভাবে টেনসর কোর ব্যবহার করে?
- cuBLAS এবং cuDNN এর মতো লাইব্রেরিগুলি স্বয়ংক্রিয়ভাবে বড় ম্যাট্রিক্সকে ছোট ব্লকে টাইল করে যা কোরগুলি প্রক্রিয়া করতে পারে
- বিকাশকারীদের অবশ্যই প্রতিটি মডেলের জন্য হাতে লিখতে সমাবেশ করতে হবে
- টেনসর কোর শুধুমাত্র কাস্টম হার্ডওয়্যারের সাথে কাজ করে কোন সফ্টওয়্যার পৌঁছাতে পারে না
- এগুলি উচ্চ-স্তরের কাঠামো দ্বারা ব্যবহার করা যাবে না
- ব্ল্যাকওয়েল আর্কিটেকচার কোন নতুন সাংখ্যিক বিন্যাসে অনুমান থ্রুপুটকে আরও উচ্চতর করতে যোগ করেছে?
- FP64 (ডবল নির্ভুলতা)
- FP4 (4-বিট ফ্লোটিং পয়েন্ট)
- ASCII
- FP128
- Why should a team validate model quality when changing Tensor Core input precision?
- Reduced precision guarantees identical outputs
- The model’s vocabulary changes automatically
- Lower-precision arithmetic can change numerical results, so accuracy should be checked for the task
- Tensor Cores remove all rounding effects
- Which computer-vision feature is a practical example of Tensor Core acceleration?
- A database index with no matrix operations
- A file compressor that never runs a neural network
- A CPU-only spreadsheet calculation
- Neural upscaling such as NVIDIA DLSS in games