ガイド連動クイズ · 中 レベル
マルチインスタンス GPU パーティショニングに関するクイズ
MIG プロファイル、GPU 対コンピューティング インスタンス リソース、デバイス エクスポージャ (サポートされているハードウェアがパーティションの選択を決定する理由など) を適用します。
質問 1 の 8
Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?
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。
- Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?
- Only a different process priority on one shared execution queue
- A guaranteed absence of every host or device failure
- A separate network cable for every CUDA kernel
- Dedicated hardware compute and memory resources for each GPU Instance
- MIG が最初に導入されたのはどの NVIDIA アーキテクチャですか?
- ボルタ
- アンペア(A100)
- チューリング
- パスカル
- On an A100 40 GB using supported small-instance profiles, how many GPU Instances can a layout provide?
- Exactly sixteen on every supported GPU
- Exactly two regardless of profile
- Up to seven
- An unlimited number with no memory limits
- 「1g.5gb」のような MIG プロファイルの「5gb」は何を表しますか?
- そのインスタンスに割り当てられたメモリ
- SMの数
- PCIe帯域幅
- クロック速度
- MIG はどのワークロードに特に適していますか?
- GPU 全体を必要とする 1 回の大規模なトレーニングの実行
- 予測可能な遅延でのマルチテナント推論サービス
- CPU バウンドのデータ前処理
- 長期冷蔵保存
- Kubernetes クラスターは MIG インスタンスをポッドに公開するにはどうすればよいですか?
- RAWディスクボリュームとして
- 手動 SSH 経由のみ
- 「nvidia.com/mig-1g.5gb」のようなスケジュール可能なリソースとして
- DNS レコード経由
- Two Compute Instances belong to the same MIG GPU Instance. Which resources do they share?
- Their parent GPU Instance’s memory resources
- Only a remote CPU’s filesystem
- Separate complete copies of physical GPU memory
- Every compute slice on unrelated GPUs
- A team wants to deploy a named MIG profile on a new GPU model. What should it check first?
- That every NVIDIA GPU supports identical profiles
- That the model parameter count is an even integer
- That the Kubernetes pod name contains the profile text
- That the GPU supports MIG and that exact profile layout