FP8 और निम्न-परिशुद्धता प्रारूप प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. मानक FP32 संख्या की तुलना में FP8 संख्या कितने बिट्स का उपयोग करती है?
   • 8 बिट बनाम 16 बिट (आधा)
   • 8 बिट बनाम 64 बिट (आठवां)
   • 8 बिट बनाम 32 बिट (एक चौथाई)
   • 8 बिट बनाम 8 बिट (समान)
2. 'E4M3' और 'E5M2' लेबल FP8 प्रारूप के बारे में क्या बताते हैं?
   • त्रुटि दर और मॉडल आकार
   • घातांक बिट्स बनाम मंटिसा बिट्स की संख्या
   • घड़ी की गति और मेमोरी चैनल
   • प्रशिक्षण युग और मॉडल परतें
3. FP8 पाइपलाइनें टेंसरों पर स्केलिंग कारक क्यों लागू करती हैं?
   • सुरक्षा के लिए वज़न को एन्क्रिप्ट करना
   • मॉडल परतों की संख्या बढ़ाने के लिए
   • मॉडल को भिन्न भाषा में परिवर्तित करना
   • मूल्यों को FP8 की संकीर्ण प्रतिनिधित्व योग्य सीमा के अंदर रखने के लिए और अतिप्रवाह/अंडरफ्लो से बचने के लिए
4. FP8 का उपयोग करने का मुख्य नकारात्मक पहलू कौन सा ट्रेड-ऑफ़ है?
   • कम संख्यात्मक परिशुद्धता (गोल त्रुटियाँ)
   • उच्च मेमोरी उपयोग
   • धीमी मैट्रिक्स गुणन
   • किसी भी GPU पर चलने में असमर्थता
5. किस NVIDIA GPU पीढ़ी ने सबसे पहले FP8 मैट्रिक्स गणित के लिए समर्पित हार्डवेयर समर्थन जोड़ा?
   • पास्कल (P100)
   • हूपर (H100)
   • केपलर (K80)
   • मैक्सवेल (M40)
6. एफपी8 से आगे बढ़ने वाले सटीक प्रारूपों में क्या रुझान है?
   • अनुमान के लिए 64-बिट डबल परिशुद्धता पर वापसी
   • फ़्लोटिंग पॉइंट को पूरी तरह से टेक्स्ट के पक्ष में हटा देना
   • सभी मॉडल भारों के लिए केवल FP32 का उपयोग करना
   • यहां तक कि एमएक्सएफपी4 और एनवीएफपी4 जैसे निचले-बिट माइक्रो-स्केलिंग प्रारूप भी
7. A tensor’s values need more dynamic range. Which common FP8 encoding allocates more exponent bits?
   • E5M2
   • E4M3
   • Both allocate zero exponent bits
   • Neither encoding uses an exponent
8. Why can an FP8 result differ from the same operation using FP32 inputs?
   • Eight-bit input storage is automatically exact for every real value
   • FP8 removes all mathematical operations
   • The lower-precision input representation can introduce rounding error
   • Higher-precision accumulation restores every lost input detail