गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर
मल्टी-इंस्टेंस जीपीयू विभाजन प्रश्नोत्तरी
एमआईजी प्रोफाइल, जीपीयू-बनाम-कंप्यूट इंस्टेंस संसाधन और डिवाइस एक्सपोज़र लागू करें, जिसमें यह भी शामिल है कि समर्थित हार्डवेयर विभाजन विकल्प क्यों निर्धारित करता है।
प्रश्न 1 का 8
Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?
प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न
जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।
- 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
- MIG को सबसे पहले किस NVIDIA आर्किटेक्चर पर पेश किया गया था?
- वोल्टा
- एम्पीयर (ए100)
- ट्यूरिंग
- पास्कल
- 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
- '1g.5gb' जैसी MIG प्रोफ़ाइल में, '5GB' क्या दर्शाता है?
- उस उदाहरण के लिए आवंटित स्मृति
- एसएम की संख्या
- PCIe बैंडविड्थ
- घड़ी की गति
- एमआईजी किस कार्यभार के लिए विशेष रूप से उपयुक्त है?
- एक बड़े पैमाने पर प्रशिक्षण के लिए संपूर्ण GPU की आवश्यकता होती है
- बहु-किरायेदार अनुमान पूर्वानुमेय विलंबता के साथ सेवारत
- सीपीयू-बाउंड डेटा प्रीप्रोसेसिंग
- दीर्घकालिक कोल्ड स्टोरेज
- कुबेरनेट्स क्लस्टर एमआईजी इंस्टेंसेस को पॉड्स में कैसे प्रदर्शित कर सकता है?
- कच्चे डिस्क वॉल्यूम के रूप में
- केवल मैन्युअल SSH के माध्यम से
- 'nvidia.com/mig-1g.5gb' जैसे शेड्यूल योग्य संसाधनों के रूप में
- डीएनएस रिकॉर्ड के माध्यम से
- 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
- 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