Komunikasi Kolektif dan Kuis NCCL

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa yang dicapai oleh operasi pengurangan semua dalam pelatihan terdistribusi?
   • Ini menggabungkan nilai-nilai di semua GPU dan memberikan hasil gabungan pada setiap GPU
   • Ini menghapus data berlebihan dari satu GPU
   • Ini mengurangi kecepatan jam GPU untuk menghemat daya
   • Ini mengirimkan data dari semua GPU ke satu disk penyimpanan
2. Apa singkatan dari NCCL?
   • Lapisan Cluster Komputasi Neural
   • Logika Kontrol Cache Jaringan
   • Perpustakaan Komunikasi Kolektif NVIDIA
   • Perpustakaan Komputasi Konvolusi Numerik
3. Why can chunked ring communication be useful for a large tensor?
   • It guarantees constant latency for any number of devices
   • Chunks can be streamed across participating links instead of waiting for one monolithic transfer
   • It makes topology irrelevant
   • It prevents all network contention
4. Operasi kolektif manakah yang mengumpulkan setiap bagian data GPU menjadi salinan lengkap yang dimiliki oleh semua GPU?
   • Siaran
   • Kurangi-sebarkan
   • Penghalang
   • Semua berkumpul
5. What does a supported network reduction offload such as SHARP do?
   • Guarantee exactly half the traffic for every collective
   • Remove the need for participating ranks
   • Perform some reduction work in compatible network hardware
   • Turn all-gather into a local memory copy
6. Interkoneksi manakah yang biasanya digunakan NCCL untuk komunikasi ANTARA server (node)?
   • InfiniBand atau RoCE
   • Kabel USB
   • Slot PCIe saja
   • Wi-Fi
7. Three ranks contribute scalar values 2, 3 and 5 to a sum all-reduce. What value does each receive?
   • Only its own original value
   • 3 for the middle rank and nothing elsewhere
   • The average 3.33 unless requested separately
   • 10
8. Which collective combines contributions but distributes reduced pieces instead of the entire reduced buffer to every rank?
   • Semua berkumpul
   • Kurangi-sebarkan
   • Siaran
   • A standalone model checkpoint