Cuestionario vinculado a una guía · Medio Nivel

Prueba de partición de GPU de instancias múltiples

Aplique perfiles MIG, recursos de instancia de GPU versus recursos de computación y exposición del dispositivo, incluido el motivo por el cual el hardware compatible determina las opciones de partición.

Rutas de guía relacionadasParticionamiento de GPU Multiinstancia
Pregunta 1 de 8

Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. 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
  2. ¿En qué arquitectura NVIDIA se introdujo MIG por primera vez?
    • Volta
    • Amperio (A100)
    • Turing
    • pascal
  3. 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
  4. En un perfil MIG como '1g.5gb', ¿qué representa el '5gb'?
    • La memoria asignada a esa instancia.
    • El número de SM
    • El ancho de banda PCIe
    • la velocidad del reloj
  5. ¿Para qué carga de trabajo es especialmente adecuado MIG?
    • Una única ejecución de entrenamiento masiva que necesita toda la GPU
    • Servicio de inferencia multiinquilino con latencia predecible
    • Preprocesamiento de datos vinculado a la CPU
    • Almacenamiento en frío a largo plazo
  6. ¿Cómo puede un clúster de Kubernetes exponer instancias MIG a pods?
    • Como volúmenes de disco sin formato
    • Sólo a través de SSH manual
    • Como recursos programables como 'nvidia.com/mig-1g.5gb'
    • A través de registros DNS
  7. 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
  8. 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