Quiz lié à un guide · Moyen Niveau

Quiz sur les cœurs tenseurs

Couvre les opérations matricielles Tensor Core, l'accumulation à précision mixte, la mosaïque logicielle et les formats numériques spécifiques à l'architecture.

Chemins de guidage associésNoyaux tenseurs
Question 1 de 8

Quelle opération mathématique de base les Tensor Cores sont-ils spécifiquement conçus pour accélérer ?

Prévisualisez chaque question8 des questions

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

  1. Quelle opération mathématique de base les Tensor Cores sont-ils spécifiquement conçus pour accélérer ?
    • Matrice multiplier et accumuler (D = A x B + C)
    • Tri de grandes listes de nombres
    • Génération de nombres aléatoires
    • Cryptage et décryptage des données
  2. Quelle architecture GPU NVIDIA a introduit pour la première fois les Tensor Cores ?
    • Pascal
    • Volta
    • Turing
    • Maxwell
  3. Pourquoi les Tensor Cores utilisent-ils souvent une précision réduite comme FP16 ou FP8 ?
    • Une précision moindre est requise par la loi pour l’IA
    • Une plus grande précision est impossible sur un GPU
    • Il permet de traiter davantage de nombres par horloge, augmentant ainsi le débit tout en gardant une précision acceptable.
    • Cela rend la puce physiquement plus petite
  4. Pour préserver la précision, quelle précision les Tensor Cores utilisent-ils généralement pour la somme cumulée (accumulation) ?
    • La même faible précision que les entrées
    • Aucune accumulation n'est effectuée
    • Entier uniquement sans fractions
    • Une précision supérieure comme le FP32
  5. Comment les frameworks d'IA quotidiens comme PyTorch utilisent-ils les Tensor Cores ?
    • Des bibliothèques comme cuBLAS et cuDNN décomposent automatiquement les grandes matrices en petits blocs que les cœurs peuvent traiter
    • Les développeurs doivent écrire à la main l'assemblage pour chaque modèle
    • Les cœurs Tensor ne fonctionnent qu'avec du matériel personnalisé qu'aucun logiciel ne peut atteindre
    • Ils ne peuvent pas du tout être utilisés par des frameworks de haut niveau
  6. Quel format numérique plus récent l'architecture Blackwell a-t-elle ajouté pour augmenter encore le débit d'inférence ?
    • FP64 (double précision)
    • FP4 (virgule flottante 4 bits)
    • ASCII
    • FP128
  7. 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
  8. 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