Quiz collegato alla guida · Medio Livello
Quiz sui nuclei tensoriali
Copre le operazioni della matrice Tensor Core, l'accumulo di precisione mista, la piastrellatura del software e i formati numerici specifici dell'architettura.
Domanda 1 di 8
Quali operazioni matematiche fondamentali sono specificamente progettate per accelerare i Tensor Core?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Quali operazioni matematiche fondamentali sono specificamente progettate per accelerare i Tensor Core?
- Matrice moltiplica e accumula (D = A x B + C)
- Ordinamento di grandi elenchi di numeri
- Generazione di numeri casuali
- Crittografia e decrittografia dei dati
- Quale architettura GPU NVIDIA ha introdotto per prima i Tensor Core?
- Pascal
- Volta
- Turing
- Maxwell
- Perché i Tensor Core utilizzano spesso una precisione ridotta come FP16 o FP8?
- La legge richiede una precisione inferiore per l’intelligenza artificiale
- Una precisione maggiore è impossibile su una GPU
- Consente di elaborare più numeri per orologio, aumentando la produttività mantenendo una precisione accettabile
- Rende il chip fisicamente più piccolo
- Per preservare l'accuratezza, quale precisione utilizzano tipicamente i Tensor Core per la somma parziale (accumulo)?
- La stessa bassa precisione degli input
- Non viene effettuato alcun accumulo
- Solo numeri interi senza frazioni
- Una precisione più elevata come FP32
- In che modo i framework di intelligenza artificiale quotidiana come PyTorch utilizzano i Tensor Core?
- Librerie come cuBLAS e cuDNN affiancano automaticamente matrici di grandi dimensioni in piccoli blocchi che i core possono elaborare
- Gli sviluppatori devono scrivere a mano l'assieme per ogni modello
- I Tensor Core funzionano solo con hardware personalizzato che nessun software può raggiungere
- Non possono essere utilizzati affatto da framework di alto livello
- Quale formato numerico più recente è stato aggiunto dall'architettura Blackwell per aumentare ulteriormente il throughput dell'inferenza?
- FP64 (doppia precisione)
- FP4 (virgola mobile a 4 bit)
- ASCII
- FP128
- Why should a team validate model quality when changing Tensor Core input precision?
- Reduced precision guarantees identical outputs
- The model’s vocabulary changes automatically
- Lower-precision arithmetic can change numerical results, so accuracy should be checked for the task
- Tensor Cores remove all rounding effects
- Which computer-vision feature is a practical example of Tensor Core acceleration?
- A database index with no matrix operations
- A file compressor that never runs a neural network
- A CPU-only spreadsheet calculation
- Neural upscaling such as NVIDIA DLSS in games