Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Slurm for AI Training Cluster kvíz
Checks Slurm’s batch, GPU and distributed-launch commands, scheduling components, backfill behavior and checkpoint-aware recovery.
kérdés 1 -ból 8
Milyen parancsot használnak a felhasználók általában egy kötegelt feladat elküldésére a Slurmnak?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Milyen parancsot használnak a felhasználók általában egy kötegelt feladat elküldésére a Slurmnak?
- sbatch
- kubectl alkalmazni
- dokkolófuttatás
- git push
- Hogyan kér egy Slurm-feladat GPU-kat?
- DNS rekordok szerkesztésével
- --gres=gpu direktíván keresztül
- Csak webes űrlapon keresztül
- A Slurmban nem kérhetők GPU-k
- Melyik Slurm komponens hozza meg a központi ütemezési döntéseket?
- slurmd
- srun
- slurmctld
- sbatch
- 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
- Mi a célja a háttérkitöltés ütemezésének a Slurmban?
- Rövid munkák üresjáratban történő futtatásához anélkül, hogy késlekedne a magasabb prioritású munka
- Régi munkák törléséhez
- A GPU-k túlhajtására
- Munkanaplók titkosításához
- 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
- Which Slurm daemon normally runs on each compute node to launch tasks and report node status?
- slurmctld
- sbatchd
- slurmd
- gresctl
- 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