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.
- 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
- 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
- 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
- Quale componente aggiuntivo viene comunemente utilizzato con Kubernetes per la pianificazione in batch e in gruppo dei lavori IA?
- Vulcano
- Apache Kafka
- Redis
- Grafana
- 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
- 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
- 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
- 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