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.

Percorsi guida correlatiNuclei tensoriali
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.

  1. 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
  2. Quale architettura GPU NVIDIA ha introdotto per prima i Tensor Core?
    • Pascal
    • Volta
    • Turing
    • Maxwell
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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