ガイド連動クイズ · 中 レベル

混合精度トレーニング クイズ

FP16 レンジとロス スケーリング、bfloat16、マスター ウェイト、オートキャスト、Tensor コア アキュムレーション、および測定されたハードウェア依存ゲインをカバーします。

関連するガイドパス混合精度トレーニング
質問 1 の 8

In an FP16 training recipe that keeps an FP32 master weight, why retain it?

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. In an FP16 training recipe that keeps an FP32 master weight, why retain it?
    • 16 ビットでは丸められる可能性のある小さな重み更新の精度を維持するため
    • ディスク上のモデル ファイルのサイズを小さくするには
    • GPU なしでトレーニングを可能にするには
    • モデルパラメータを暗号化するには
  2. 損失スケーリングは FP16 トレーニングでどのような問題を解決しますか?
    • データを過学習させるモデル
    • FP16 の範囲が狭いため、勾配がゼロにアンダーフローする
    • GPU のディスク容量が不足している
    • ディスクからのデータの読み込みが遅い
  3. bfloat16 には FP16 と比べてどのような利点がありますか?
    • 使用する総ビット数が少なくなります
    • 数値の代わりにテキストを保存します
    • FP32 と同じ広い指数範囲を備えており、損失スケーリングの必要性が軽減されます。
    • CPU上でのみ動作します
  4. For many supported Tensor Core matrix operations, how are partial sums commonly accumulated?
    • In integer arithmetic with no rounding
    • In text before converting to FP16
    • In FP16 only, which prevents every numerical error
    • In FP32, which reduces rounding error compared with low-precision accumulation
  5. What is a common benefit of using 16-bit values for supported training operations?
    • They can reduce tensor memory and improve throughput, with gains depending on hardware and workload
    • They guarantee higher model accuracy
    • They remove the need to compute gradients
    • They always double end-to-end training speed
  6. Which current PyTorch APIs are commonly used for automatic mixed-precision training?
    • torch.cuda.amp only, which is the recommended new namespace
    • torch.amp.autocast and, for FP16 gradient scaling, torch.amp.GradScaler
    • torch.load and torch.save
    • torch.nn.DataParallel and torch.manual_seed
  7. Why does bfloat16 often need less loss scaling than FP16?
    • It has more mantissa bits than FP32
    • It stores gradients as integers
    • It has an exponent range like FP32, so very small gradients are less likely to underflow
    • It never rounds values
  8. What does autocast do in automatic mixed precision?
    • Converts every tensor and operation to FP16 unconditionally
    • Replaces the optimizer with a different algorithm
    • Guarantees identical bitwise results to FP32
    • Selects operation dtypes so supported operations can use lower precision while others retain safer precision