Kvíz spojený s průvodcem · Střední úroveň
Kvíz Tensor Cores
Zahrnuje operace s maticí Tensor Core, akumulaci se smíšenou přesností, skládání softwaru a číselné formáty specifické pro architekturu.
Otázka 1 z 8
Jaké základní matematické operace jsou speciálně navrženy pro urychlení Tensor Cores?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaké základní matematické operace jsou speciálně navrženy pro urychlení Tensor Cores?
- Maticové násobení a akumulace (D = A x B + C)
- Třídění velkých seznamů čísel
- Generování náhodných čísel
- Šifrování a dešifrování dat
- Která architektura GPU NVIDIA poprvé představila Tensor Cores?
- Pascal
- Volta
- Turing
- Maxwell
- Proč jádra Tensor často používají sníženou přesnost jako FP16 nebo FP8?
- Nižší přesnost je pro AI vyžadována zákonem
- Vyšší přesnost na GPU není možná
- Umožňuje zpracovat více čísel za takt, čímž zvyšuje propustnost při zachování přijatelné přesnosti
- Čip je fyzicky menší
- Jakou přesnost typicky používají jádra Tensor Cores pro zachování přesnosti pro průběžný součet (akumulaci)?
- Stejně nízká přesnost jako vstupy
- Žádná akumulace se neprovádí
- Pouze celé číslo bez zlomků
- Vyšší přesnost, jako je FP32
- Jak každodenní rámce umělé inteligence jako PyTorch využívají Tensor Cores?
- Knihovny jako cuBLAS a cuDNN automaticky rozkládají velké matice do malých bloků, které mohou jádra zpracovat
- Vývojáři musí ručně napsat sestavu pro každý model
- Tensor Cores fungují pouze s vlastním hardwarem, který žádný software nedosáhne
- Nemohou je vůbec používat rámce na vysoké úrovni
- Který novější číselný formát přidala architektura Blackwell, aby se propustnost odvození ještě zvýšila?
- FP64 (dvojitá přesnost)
- FP4 (4bitová plovoucí desetinná čárka)
- ASCII
- FP128
- Why should a team validate model quality when changing Tensor Core input precision?
- Reduced precision guarantees identical outputs
- The model’s vocabulary changes automatically
- Lower-precision arithmetic can change numerical results, so accuracy should be checked for the task
- Tensor Cores remove all rounding effects
- Which computer-vision feature is a practical example of Tensor Core acceleration?
- A database index with no matrix operations
- A file compressor that never runs a neural network
- A CPU-only spreadsheet calculation
- Neural upscaling such as NVIDIA DLSS in games