Quiz collegato alla guida · Difficile Livello

Quiz sulla programmazione CUDA e GPU

Controlla i concetti fondamentali di CUDA, inclusi kernel, esecuzione SIMT, accesso alla memoria, memoria condivisa e strumenti di programmazione GPU di livello superiore.

Percorsi guida correlatiCuda e programmazione GPU
Domanda 1 di 8

Nella terminologia CUDA, cos'è un "kernel"?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Nella terminologia CUDA, cos'è un "kernel"?
    • Una funzione eseguita in parallelo da molti thread della GPU
    • Il nucleo di un sistema operativo
    • Un tipo di chip di memoria
    • Il sistema di raffreddamento della GPU
  2. Cosa significa il modello di esecuzione SIMT?
    • Ingresso lento, molti trasferimenti
    • Una singola istruzione, più thread eseguono la stessa istruzione su dati diversi
    • Immagine singola, texture multiple
    • Istruzioni sequenziali, cronometraggio manuale
  3. Perché PyTorch e TensorFlow richiedono raramente agli utenti di scrivere CUDA non elaborati?
    • Le GPU non possono eseguire il codice utente
    • CUDA è illegale da usare direttamente
    • Chiamano internamente librerie CUDA ottimizzate come cuDNN e cuBLAS
    • Funzionano solo su CPU
  4. Che cos'è la "divergenza di curvatura" e perché incide negativamente sulle prestazioni?
    • Un errore di rete che perde i pacchetti
    • La GPU si piega fisicamente sotto il calore
    • Un bug che cancella la memoria
    • I fili in un ordito prendono rami diversi e devono funzionare in serie
  5. Perché l'accesso alla memoria "coalescenza" è importante in CUDA?
    • I thread adiacenti che leggono indirizzi adiacenti sono molto più efficienti
    • Crittografa i dati automaticamente
    • Libera spazio su disco
    • Disabilita le ventole della 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