Útmutatóhoz kapcsolódó kvíz · Kemény Szint
CUDA és GPU programozási kvíz
Check core CUDA concepts, including kernels, SIMT execution, memory access, shared memory, and higher-level GPU programming tools.
kérdés 1 -ból 8
A CUDA terminológiájában mi az a „kernel”?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- A CUDA terminológiájában mi az a „kernel”?
- Számos GPU-szál által párhuzamosan futtatott függvény
- Az operációs rendszer magja
- A memóriachip egy típusa
- A GPU hűtőrendszere
- Mit jelent a SIMT végrehajtási modell?
- Lassú bevitel, sok átvitel
- Egyetlen utasítás, több szál ugyanazt az utasítást futtatja különböző adatokon
- Egyetlen kép, több textúra
- Szekvenciális utasítások, kézi időzítés
- Miért kéri a PyTorch és a TensorFlow ritkán a felhasználóktól nyers CUDA írását?
- A GPU-k nem tudnak felhasználói kódot futtatni
- A CUDA közvetlen használata illegális
- Az optimalizált CUDA-könyvtárakat, például a cuDNN-t és a cuBLAS-t belsőleg hívják
- Csak CPU-kon futnak
- Mi az a „hajlási eltérés”, és miért rontja a teljesítményt?
- Hálózati hiba, amely csomagokat dob el
- A GPU fizikailag meghajlik hő hatására
- Egy hiba, ami törli a memóriát
- A vetemítésben lévő szálak különböző ágakat vesznek fel, és sorozatban kell futniuk
- Miért fontos az „egyesített” memóriaelérés a CUDA-ban?
- A szomszédos szálak a szomszédos címek beolvasása sokkal hatékonyabb
- Automatikusan titkosítja az adatokat
- Lemezterületet szabadít fel
- Letiltja a GPU ventilátorokat
- What is OpenAI Triton in relation to CUDA programming?
- A CUDA driver that replaces NVIDIA GPUs
- A Python-like language and compiler for writing efficient GPU kernels
- A model-serving server that only loads TensorFlow checkpoints
- A framework that converts GPUs into CPUs
- What does a CUDA kernel launch configuration specify?
- A model tokenizer vocabulary
- The number of training labels
- The grid and block dimensions used to organize thread execution
- The host operating system
- Why might a CUDA kernel use shared memory?
- To make data available across every cluster without communication
- To replace all registers
- To store the model permanently on the GPU
- To let threads in a block reuse data from a faster on-chip memory space