ガイド連動クイズ · ハード レベル

FP8 および低精度フォーマットに関するクイズ

FP8 の指数と仮数の選択、スケーリング、およびハードウェア要件 (より小さい数値形式では同一の出力が保証されない理由を含む) を練習します。

関連するガイドパスFp8 および低精度フォーマット
質問 1 の 8

FP8 数値は標準の FP32 数値と比較して何ビットを使用しますか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. FP8 数値は標準の FP32 数値と比較して何ビットを使用しますか?
    • 8 ビット vs 16 ビット (半分)
    • 8 ビット vs 64 ビット (8 分の 1)
    • 8 ビット vs 32 ビット (4 分の 1)
    • 8 ビット vs 8 ビット (同じ)
  2. 「E4M3」および「E5M2」ラベルは FP8 フォーマットについて何を説明していますか?
    • エラー率とモデルサイズ
    • 指数ビット数と仮数ビット数
    • クロック速度とメモリチャネル
    • トレーニング エポックとモデル レイヤー
  3. FP8 パイプラインがテンソルにスケーリング係数を適用するのはなぜですか?
    • セキュリティのために重みを暗号化するには
    • モデルレイヤーの数を増やすには
    • モデルを別の言語に変換するには
    • FP8 の狭い表現可能な範囲内に値を保持し、オーバーフロー/アンダーフローを回避するため
  4. FP8 を使用することの主な欠点はどのトレードオフですか?
    • 数値精度の低下（丸め誤差）
    • メモリ使用量の増加
    • 行列乗算が遅い
    • どの GPU でも実行できない
  5. FP8 行列演算の専用ハードウェア サポートを最初に追加したのは、どの NVIDIA GPU 世代ですか?
    • パスカル (P100)
    • ホッパー(H100)
    • ケプラー (K80)
    • マクスウェル (M40)
  6. FP8 以降の高精度フォーマットの傾向は何ですか?
    • 推論のための 64 ビット倍精度への回帰
    • テキストを優先して浮動小数点を完全に削除
    • すべてのモデル重量に FP32 のみを使用
    • MXFP4 や NVFP4 などの下位ビットのマイクロスケーリング形式にも対応
  7. A tensor’s values need more dynamic range. Which common FP8 encoding allocates more exponent bits?
    • E5M2
    • E4M3
    • Both allocate zero exponent bits
    • Neither encoding uses an exponent
  8. Why can an FP8 result differ from the same operation using FP32 inputs?
    • Eight-bit input storage is automatically exact for every real value
    • FP8 removes all mathematical operations
    • The lower-precision input representation can introduce rounding error
    • Higher-precision accumulation restores every lost input detail