Kvíz spojený s průvodcem · Střední úroveň

Úložiště pro AI Training Clusters Quiz

Přizpůsobte úložiště objektů, paralelní souborové systémy a místní NVMe potřebám školení AI při měření šířky pásma, metadat, mezipaměti a trvanlivosti.

Související vodicí cestyÚložiště pro výcvikové clustery AI
Otázka 1 z 8

Proč může mnoho malých souborů zpomalit přístup k distribuovaným tréninkovým datům?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Proč může mnoho malých souborů zpomalit přístup k distribuovaným tréninkovým datům?
    • Když jsou všechna čtení velká sekvenční přenosy, které nasytí šířku pásma
    • Když jádra modelu již zasytí výpočet GPU
    • Může se hromadit režie metadat a požadavků na soubor
    • Když stavy optimalizátoru zabírají paměť akcelerátoru
  2. Který typ úložiště je obvykle navržen pro trvalý přístup k velkým sbírkám objektů prostřednictvím rozhraní API?
    • Paralelní souborový systém, který zpřístupňuje soubory prostřednictvím rozhraní podobného POSIXu
    • Skladování objektů
    • Sdílený svazek NFS připojený každým uzlem
    • Mezipaměť hostitelské stránky
  3. Jak se běžně používá místní NVMe v tréninkovém clusteru?
    • Primární trvalé sdílené úložiště pro každý uzel
    • Obchod odolných objektů s nativní sémantikou POSIX
    • Náhrada za síťové úložiště napříč všemi výpočetními uzly
    • Rychlá dočasná mezipaměť nebo příprava v blízkosti výpočtu
  4. Proč měřit agregátní poptávku napříč všemi GPU?
    • Čtenáři clusteru mohou společně překročit propustnost úložiště
    • Rychlost čtení na uzel měřená na jinak nečinném hostiteli
    • Průměrná velikost datové sady bez ohledu na souběžnost čtenářů
    • Špičková kapacita disku bez měření požadavků na čtení
  5. Kdy může pomoci přebalení datové sady na větší fragmenty?
    • Když je přenos dat omezen limitem šířky pásma pro sekvenční čtení
    • Když je výpočet GPU saturován, zatímco vstupní fronta zůstává plná
    • Při čtení metadat malého souboru a limitů režijních nákladů
    • Když je paměť akcelerátoru spotřebována stavem optimalizátoru spíše než vstupním čtením
  6. Jaký kompromis zahrnuje frekvence kontrolních bodů?
    • Objem dat kontrolního bodu versus počet GPU
    • Doba obnovy versus provoz úložiště a pauzy
    • Kvalita tréninkového štítku versus latence čtení
    • Výpočetní špička GPU versus licencování datové sady
  7. Proč rozlišovat propustnost souborového systému od výkonu metadat?
    • Bajtová šířka pásma měří rychlost vyhledávání souborů a operací s adresáři
    • Výkon metadat a hromadná propustnost bajtů jsou stejné metriky
    • Úlohy malých souborů zatěžují pouze šířku pásma sítě
    • Velké sekvenční čtení a mnoho operací s malými soubory vyžaduje různé cesty
  8. Co by se mělo zkontrolovat, než se po restartu budete spoléhat na data uložená v místní mezipaměti uzlu?
    • Jaká verze datové sady je k dispozici a zda existují trvalé kopie
    • Místní keše vždy přežijí výměnu pracovníků
    • Verze modelu zaručuje, že vstupy uložené v mezipaměti jsou aktuální
    • Identifikátor mezipaměti dokazuje, že záloha byla dokončena