Kvíz spojený s průvodcem · Těžko úroveň

Kvíz o programování CUDA a GPU

Zkontrolujte základní koncepty CUDA, včetně jader, provádění SIMT, přístupu k paměti, sdílené paměti a programovacích nástrojů GPU vyšší úrovně.

Související vodicí cestyProgramování Cuda a GPU
Otázka 1 z 8

Co je v terminologii CUDA 'kernel'?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co je v terminologii CUDA 'kernel'?
    • Funkce běžící paralelně mnoha vlákny GPU
    • Jádro operačního systému
    • Typ paměťového čipu
    • Chladicí systém GPU
  2. Co znamená model provádění SIMT?
    • Pomalý vstup, mnoho přenosů
    • Single Instruction, Multiple Threads spouští stejnou instrukci na různých datech
    • Jeden obrázek, více textur
    • Sekvenční instrukce, manuální časování
  3. Proč PyTorch a TensorFlow zřídka vyžadují, aby uživatelé psali raw CUDA?
    • GPU nemohou spustit uživatelský kód
    • Přímé použití CUDA je nezákonné
    • Interně nazývají optimalizované knihovny CUDA jako cuDNN a cuBLAS
    • Běží pouze na CPU
  4. Co je to „warp divergence“ a proč poškozuje výkon?
    • Chyba sítě, která zahazuje pakety
    • GPU se pod teplem fyzicky ohýbá
    • Chyba, která maže paměť
    • Vlákna v osnově mají různé větve a musí běžet sériově
  5. Proč je v CUDA důležitý „sloučený“ přístup k paměti?
    • Čtení sousedních vláken přilehlých vláken je mnohem efektivnější
    • Automaticky šifruje data
    • Uvolní místo na disku
    • Deaktivuje ventilátory GPU
  6. What is OpenAI Triton in relation to CUDA programming?
    • A CUDA driver that replaces NVIDIA GPUs
    • A Python-like language and compiler for writing efficient GPU kernels
    • A model-serving server that only loads TensorFlow checkpoints
    • A framework that converts GPUs into CPUs
  7. What does a CUDA kernel launch configuration specify?
    • A model tokenizer vocabulary
    • The number of training labels
    • The grid and block dimensions used to organize thread execution
    • The host operating system
  8. Why might a CUDA kernel use shared memory?
    • To make data available across every cluster without communication
    • To replace all registers
    • To store the model permanently on the GPU
    • To let threads in a block reuse data from a faster on-chip memory space