Kvíz spojený s průvodcem · Střední úroveň
Kvíz o rozdělení GPU na více instancích
Použijte profily MIG, zdroje instancí GPU versus výpočetní zařízení a vystavení zařízení, včetně toho, proč podporovaný hardware určuje volby oddílů.
Otázka 1 z 8
Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?
- Only a different process priority on one shared execution queue
- A guaranteed absence of every host or device failure
- A separate network cable for every CUDA kernel
- Dedicated hardware compute and memory resources for each GPU Instance
- Na jaké architektuře NVIDIA byl MIG poprvé představen?
- Volta
- Ampér (A100)
- Turing
- Pascal
- On an A100 40 GB using supported small-instance profiles, how many GPU Instances can a layout provide?
- Exactly sixteen on every supported GPU
- Exactly two regardless of profile
- Up to seven
- An unlimited number with no memory limits
- Co v profilu MIG, jako je „1g.5gb“, představuje „5gb“?
- Paměť přidělená této instanci
- Počet SM
- Šířka pásma PCIe
- Rychlost hodin
- Pro jaké pracovní zatížení je MIG obzvláště vhodný?
- Jediný masivní trénink vyžadující celé GPU
- Inference pro více nájemců s předvídatelnou latencí
- Předzpracování dat vázaných na CPU
- Dlouhodobé skladování v chladu
- Jak může cluster Kubernetes vystavit instance MIG podům?
- Jako nezpracované diskové svazky
- Pouze přes ruční SSH
- Jako plánovatelné zdroje jako 'nvidia.com/mig-1g.5gb'
- Prostřednictvím DNS záznamů
- Two Compute Instances belong to the same MIG GPU Instance. Which resources do they share?
- Their parent GPU Instance’s memory resources
- Only a remote CPU’s filesystem
- Separate complete copies of physical GPU memory
- Every compute slice on unrelated GPUs
- A team wants to deploy a named MIG profile on a new GPU model. What should it check first?
- That every NVIDIA GPU supports identical profiles
- That the model parameter count is an even integer
- That the Kubernetes pod name contains the profile text
- That the GPU supports MIG and that exact profile layout