Kvíz spojený s průvodcem · Střední úroveň

GPU vs TPU pro AI Quiz

Před výběrem hardwaru porovnejte architektury GPU a TPU, softwarovou podporu, systémová omezení a důkazy specifické pro pracovní zátěž.

Související vodicí cestyGPU vs TPU pro AI
Otázka 1 z 8

Které rámce uvádí průvodce jako podporované pro úlohy Cloud TPU?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Které rámce uvádí průvodce jako podporované pro úlohy Cloud TPU?
    • JAX, TensorFlow, and PyTorch/XLA
    • CUDA C++ only
    • PyTorch CPU and ONNX Runtime only
    • TensorFlow Lite only
  2. Kdo navrhuje TPU?
    • NVIDIA
    • Google
    • Intel
    • Apple
  3. Jaká základní hardwarová struktura dělá TPU efektivní při násobení matic?
    • Rotující magnetický disk
    • Velká mechanická reléová banka
    • Systolické pole vícenásobně akumulujících jednotek
    • Jediné ultra rychlé jádro
  4. Které systémové faktory mohou ovlivnit srovnání výkonu GPU versus TPU?
    • Only the accelerator’s peak operation count
    • Only the number of parameters in the model
    • Only the cloud region name
    • Model support, software, interconnects, memory, utilization, and deployment cost
  5. Jaká je praktická síla GPU ve srovnání s TPU pro mnoho týmů?
    • A broad ecosystem of CUDA libraries, tools, and existing GPU-supported workloads
    • A guarantee that every model is faster on a GPU
    • A requirement that all training use TensorFlow
    • A built-in advantage in every cost comparison
  6. Why does the guide recommend benchmarking the intended workload on the specific platform?
    • Peak operation counts always predict end-to-end speed exactly
    • Measured results depend on workload shape, kernels, input pipeline, memory, and system scaling
    • All workloads use the same hardware path and precision
    • A benchmark removes the need to check software support
  7. What should a team compare before choosing between a GPU and a TPU for training?
    • Peak FLOPS alone for an unrelated precision
    • The chip’s name and product launch date
    • End-to-end time and cost for its model, framework, input pipeline, and target scale
    • A benchmark from a different model and software stack
  8. How does Google describe a TPU pod?
    • A single GPU with no network
    • A CPU-only cluster
    • A model format
    • A group of TPU chips connected through a high-speed interconnect