Kvíz spojený s průvodcem · Těžko úroveň

FP8 a kvíz formátů s nízkou přesností

Procvičte si výběr exponentů a mantis FP8, škálování a hardwarové požadavky, včetně toho, proč menší formát čísel nezaručuje identické výstupy.

Související vodicí cestyFp8 a formáty s nízkou přesností
Otázka 1 z 8

Kolik bitů používá číslo FP8 ve srovnání se standardním číslem FP32?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Kolik bitů používá číslo FP8 ve srovnání se standardním číslem FP32?
    • 8 bitů vs 16 bitů (polovina)
    • 8 bitů vs 64 bitů (osmina)
    • 8 bitů vs 32 bitů (čtvrtina)
    • 8 bitů vs 8 bitů (stejné)
  2. Co popisky „E4M3“ a „E5M2“ popisují o formátu FP8?
    • Chybovost a velikost modelu
    • Počet exponentních bitů versus mantisové bity
    • Rychlost hodin a paměťový kanál
    • Tréninkové epochy a modelové vrstvy
  3. Proč potrubí FP8 aplikují škálovací faktory na tenzory?
    • Chcete-li zašifrovat váhy pro bezpečnost
    • Chcete-li zvýšit počet vrstev modelu
    • Chcete-li převést model do jiného jazyka
    • Udržet hodnoty v úzkém reprezentativním rozsahu FP8 a zabránit přetečení/podtečení
  4. Jaký kompromis je hlavní nevýhodou používání FP8?
    • Snížená numerická přesnost (zaokrouhlovací chyby)
    • Vyšší využití paměti
    • Pomalejší násobení matice
    • Nelze spustit na žádném GPU
  5. Která generace GPU NVIDIA jako první přidala vyhrazenou hardwarovou podporu pro matici FP8?
    • Pascal (P100)
    • Násypka (H100)
    • Kepler (K80)
    • Maxwell (M40)
  6. Jaký je trend v přesných formátech, který překračuje rámec FP8?
    • Návrat k 64bitové dvojité přesnosti pro odvození
    • Úplné odstranění plovoucí desetinné čárky ve prospěch textu
    • Použití pouze FP32 pro všechny hmotnosti modelů
    • Dokonce i formáty mikroškálování s nižšími bity, jako jsou MXFP4 a NVFP4
  7. A tensor’s values need more dynamic range. Which common FP8 encoding allocates more exponent bits?
    • E5M2
    • E4M3
    • Both allocate zero exponent bits
    • Neither encoding uses an exponent
  8. Why can an FP8 result differ from the same operation using FP32 inputs?
    • Eight-bit input storage is automatically exact for every real value
    • FP8 removes all mathematical operations
    • The lower-precision input representation can introduce rounding error
    • Higher-precision accumulation restores every lost input detail