Quiz Slurm pour les clusters de formation en IA

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. Quelle commande les utilisateurs utilisent-ils généralement pour soumettre un travail par lots à Slurm ?
   • lot
   • Kubectl appliquer
   • exécution du docker
   • git pousser
2. Comment une tâche Slurm demande-t-elle des GPU ?
   • En modifiant les enregistrements DNS
   • Via une directive --gres=gpu
   • Via un formulaire web uniquement
   • Les GPU ne peuvent pas être demandés dans Slurm
3. Quel composant Slurm prend les décisions centrales de planification ?
   • slurmd
   • courir
   • slurmctld
   • lot
4. Why can srun help launch distributed training tasks inside a Slurm allocation?
   • It automatically restores every model checkpoint
   • It replaces slurmctld as the scheduler
   • It converts a single GPU into multiple physical GPUs
   • It launches coordinated tasks across allocated nodes; the training setup may still need explicit DDP configuration
5. Quel est le but de la planification des remplissages dans Slurm ?
   • Pour exécuter des tâches courtes dans les espaces inutilisés sans retarder les travaux plus prioritaires
   • Pour supprimer d'anciens travaux
   • Pour overclocker les GPU
   • Pour chiffrer les journaux de travaux
6. What must an AI training script do so a requeued Slurm job can continue after a node failure?
   • Assume Slurm stores model weights automatically
   • Save checkpoints and reload them when the job restarts
   • Disable resource accounting
   • Submit a new job without restoring state
7. Which Slurm daemon normally runs on each compute node to launch tasks and report node status?
   • slurmctld
   • sbatchd
   • slurmd
   • gresctl
8. What can Slurm resource accounting help cluster administrators track?
   • The model’s validation accuracy automatically
   • The semantic content of training data
   • Whether every checkpoint is scientifically valid
   • Job resource use such as allocated CPUs, GPUs and time