Quiz collegato alla guida · Medio Livello

Quiz sulla pianificazione GPU e sull'orchestrazione dei cluster

Esercitati nelle richieste di risorse GPU, nella pianificazione di gruppo e nel posizionamento della topologia, incluso il modo in cui le politiche di prelazione e di condivisione equa influiscono sui cluster di formazione condivisi.

Domanda 1 di 8

Perché coordinare l'ammissione delle risorse per un gruppo di lavoratori di addestramento distribuito a dimensione fissa?

Anteprima di ogni domanda8 domande

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

  1. Perché coordinare l'ammissione delle risorse per un gruppo di lavoratori di addestramento distribuito a dimensione fissa?
    • Per garantire che ogni processo inizi esattamente nello stesso nanosecondo
    • Per garantire che il modello converga
    • Per rimuovere tutta la comunicazione tra worker
    • Per ridurre le situazioni di avvio parziale in cui i worker attendono peer non disponibili
  2. Come esprime normalmente Kubernetes una richiesta di risorsa GPU tramite device-plugin?
    • Come frazioni arbitrarie di cicli di clock della CPU
    • Come conteggio intero delle risorse del dispositivo pubblicizzate
    • Come nome host DNS unico
    • Come stringa di token di output del modello
  3. Che cosa tenta di ottimizzare la pianificazione basata sulla topologia?
    • Diffondere i posti di lavoro il più lontano possibile
    • Ridurre al minimo il numero di utenti
    • Posizionamento di ranghi comunicativi su interconnessioni veloci come NVLink
    • Scegliere il fornitore di energia elettrica più economico
  4. Quale componente aggiuntivo viene comunemente utilizzato con Kubernetes per la pianificazione in batch e in gruppo dei lavori IA?
    • Vulcano
    • Apache Kafka
    • Redis
    • Grafana
  5. Cosa deve fornire un'applicazione di addestramento se un lavoro preempted deve riprendere il suo progresso precedente?
    • Una garanzia che la preemption salvi automaticamente lo stato dell'ottimizzatore
    • Una procedura di checkpoint e recupero utilizzabile
    • Un pod rinominato senza stato salvato
    • Un tasso di apprendimento più alto per il suo primo passo ripreso
  6. Qual è il ruolo delle quote equamente condivise in un cluster condiviso?
    • Per garantire che una squadra vinca sempre
    • Per disabilitare lo scheduler
    • Per evitare che un singolo team monopolizzi tutte le GPU
    • Per accelerare un singolo lavoro
  7. Un gruppo di lavoratori fissi richiede otto risorse GPU ma sono disponibili solo quattro. Cosa può fare l'ammissione del gruppo?
    • Mantieni il gruppo in attesa finché non possono essere soddisfatte le sue esigenze minime configurate
    • Inventare i quattro dispositivi GPU mancanti
    • Trasformare ogni lavoratore in un processo CPU senza configurazione
    • Garantire il completamento anche senza lavoratori ammessi
  8. Due lavori GPU che comunicano si adattano agli stessi conteggi di risorse su nodi diversi. Perché considerare anche la topologia?
    • Il solo conteggio delle risorse risolve ogni latenza di trasferimento
    • La topologia determina le etichette di addestramento
    • Solo i nomi dei nodi influenzano gli output all-reduce
    • Il posizionamento dell'interconnessione influisce sui costi di comunicazione tra i loro dipendenti