Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ μεικτής προπόνησης ακριβείας

Καλύπτει το εύρος FP16 και την κλιμάκωση απώλειας, το bfloat16, τα κύρια βάρη, την αυτόματη μετάδοση, τη συσσώρευση πυρήνα Tensor και μετρημένα κέρδη που εξαρτώνται από το υλικό.

Σχετικές διαδρομές οδηγώνΠροπόνηση Μικτής Ακρίβειας
Ερώτηση 1 του 8

In an FP16 training recipe that keeps an FP32 master weight, why retain it?

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. In an FP16 training recipe that keeps an FP32 master weight, why retain it?
    • Για να διατηρηθεί η ακρίβεια στις μικροσκοπικές ενημερώσεις βάρους που θα μπορούσαν να στρογγυλοποιηθούν στα 16 bit
    • Για να κάνετε το αρχείο μοντέλου μικρότερο στο δίσκο
    • Για να επιτρέπεται η εκπαίδευση χωρίς GPU
    • Για να κρυπτογραφήσετε τις παραμέτρους του μοντέλου
  2. Τι πρόβλημα λύνει η κλιμάκωση απώλειας στην προπόνηση FP16;
    • Μοντέλα που προσαρμόζονται υπερβολικά στα δεδομένα
    • Οι κλίσεις υποχωρούν στο μηδέν επειδή το εύρος του FP16 είναι στενό
    • Οι GPU εξαντλούνται από χώρο στο δίσκο
    • Αργή φόρτωση δεδομένων από το δίσκο
  3. Τι πλεονέκτημα έχει το bfloat16 έναντι του FP16;
    • Χρησιμοποιεί λιγότερα συνολικά bit
    • Αποθηκεύει κείμενο αντί για αριθμούς
    • Έχει το ίδιο ευρύ φάσμα εκθετών με το FP32, μειώνοντας την ανάγκη για κλιμάκωση των απωλειών
    • Λειτουργεί μόνο σε CPU
  4. For many supported Tensor Core matrix operations, how are partial sums commonly accumulated?
    • In integer arithmetic with no rounding
    • In text before converting to FP16
    • In FP16 only, which prevents every numerical error
    • In FP32, which reduces rounding error compared with low-precision accumulation
  5. What is a common benefit of using 16-bit values for supported training operations?
    • They can reduce tensor memory and improve throughput, with gains depending on hardware and workload
    • They guarantee higher model accuracy
    • They remove the need to compute gradients
    • They always double end-to-end training speed
  6. Which current PyTorch APIs are commonly used for automatic mixed-precision training?
    • torch.cuda.amp only, which is the recommended new namespace
    • torch.amp.autocast and, for FP16 gradient scaling, torch.amp.GradScaler
    • torch.load and torch.save
    • torch.nn.DataParallel and torch.manual_seed
  7. Why does bfloat16 often need less loss scaling than FP16?
    • It has more mantissa bits than FP32
    • It stores gradients as integers
    • It has an exponent range like FP32, so very small gradients are less likely to underflow
    • It never rounds values
  8. What does autocast do in automatic mixed precision?
    • Converts every tensor and operation to FP16 unconditionally
    • Replaces the optimizer with a different algorithm
    • Guarantees identical bitwise results to FP32
    • Selects operation dtypes so supported operations can use lower precision while others retain safer precision