Kvíz spojený s průvodcem · Střední úroveň

Kvíz plánování GPU a clusterové organizace

Procvičte si požadavky na zdroje GPU, plánování gangů a umístění topologie, včetně toho, jak zásady preempce a spravedlivého sdílení ovlivňují sdílené školicí clustery.

Související vodicí cestyPlánování GPU a orchestrace clusterů
Otázka 1 z 8

Why coordinate resource admission for a fixed-size distributed training worker group?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Why coordinate resource admission for a fixed-size distributed training worker group?
    • To guarantee every process starts at exactly the same nanosecond
    • To guarantee the model converges
    • To remove all worker communication
    • To reduce partial-start situations where workers wait for unavailable peers
  2. How does Kubernetes normally express a device-plugin GPU resource request?
    • As arbitrary fractions of CPU clock cycles
    • As an integer count of advertised device resources
    • As a DNS hostname only
    • As a string of model output tokens
  3. Co se plánování s ohledem na topologii snaží optimalizovat?
    • Rozložení pracovních míst co nejdále od sebe
    • Minimalizace počtu uživatelů
    • Umístění komunikačních pozic na rychlá propojení, jako je NVLink
    • Výběr nejlevnějšího dodavatele elektřiny
  4. Který doplněk se běžně používá s Kubernetes pro dávkové a skupinové plánování úloh AI?
    • Sopka
    • Apache Kafka
    • Redis
    • Grafana
  5. What must a training application provide if a preempted job should resume its previous progress?
    • A guarantee that preemption saves optimizer state automatically
    • A usable checkpoint and recovery procedure
    • A renamed pod with no saved state
    • A higher learning rate for its first resumed step
  6. Jaká je role fair-share kvót ve sdíleném klastru?
    • Zaručit, že vždy vyhraje jeden tým
    • Chcete-li vypnout plánovač
    • Aby se zabránilo jakémukoli jedinému týmu monopolizovat všechny GPU
    • Pro urychlení jedné úlohy
  7. A fixed worker group needs eight GPU resources but only four are available. What can group admission accomplish?
    • Keep the group pending until its configured minimum requirements can be met
    • Invent the missing four GPU devices
    • Turn every worker into a CPU process without configuration
    • Guarantee completion even with no admitted workers
  8. Two communicating GPU jobs fit the same resource counts on different nodes. Why consider topology as well?
    • The resource count alone fixes every transfer latency
    • Topology determines the training labels
    • Only node names affect all-reduce outputs
    • Interconnect placement affects communication costs between their workers