Kuis terkait panduan · Keras Tingkat

Kuis Pemrograman CUDA dan GPU

Periksa konsep inti CUDA, termasuk kernel, eksekusi SIMT, akses memori, memori bersama, dan alat pemrograman GPU tingkat tinggi.

Jalur panduan terkaitPemrograman Cuda dan GPU
Pertanyaan 1 dari 8

Dalam terminologi CUDA, apa itu 'kernel'?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Dalam terminologi CUDA, apa itu 'kernel'?
    • Sebuah fungsi yang dijalankan secara paralel oleh banyak thread GPU
    • Inti dari sebuah sistem operasi
    • Suatu jenis chip memori
    • Sistem pendingin GPU
  2. Apa yang dimaksud dengan model eksekusi SIMT?
    • Input Lambat, Banyak Transfer
    • Instruksi Tunggal, Beberapa Thread menjalankan instruksi yang sama pada data yang berbeda
    • Gambar Tunggal, Banyak Tekstur
    • Instruksi Berurutan, Pengaturan Waktu Manual
  3. Mengapa PyTorch dan TensorFlow jarang mengharuskan pengguna menulis CUDA mentah?
    • GPU tidak dapat menjalankan kode pengguna
    • CUDA ilegal untuk digunakan secara langsung
    • Mereka menyebut perpustakaan CUDA yang dioptimalkan seperti cuDNN dan cuBLAS secara internal
    • Mereka hanya berjalan di CPU
  4. Apa itu 'warp divergence' dan mengapa hal itu mengganggu kinerja?
    • Kesalahan jaringan yang menjatuhkan paket
    • GPU secara fisik membungkuk di bawah panas
    • Bug yang menghapus memori
    • Thread dalam warp mengambil cabang yang berbeda dan harus dijalankan secara serial
  5. Mengapa akses memori 'gabungan' penting di CUDA?
    • Thread yang berdekatan membaca alamat yang berdekatan jauh lebih efisien
    • Ini mengenkripsi data secara otomatis
    • Ini mengosongkan ruang disk
    • Ini menonaktifkan kipas GPU
  6. 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
  7. 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
  8. 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