FP8 및 저정밀도 형식 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 표준 FP32 번호와 비교하여 FP8 번호는 몇 비트를 사용합니까?
   • 8비트 대 16비트(절반)
   • 8비트 vs 64비트(8분의 1)
   • 8비트 대 32비트(1/4)
   • 8비트 대 8비트(동일)
2. 'E4M3' 및 'E5M2' 라벨은 FP8 형식에 대해 무엇을 설명합니까?
   • 오류율 및 모델 크기
   • 지수 비트 대 가수 비트의 수
   • 클럭 속도와 메모리 채널
   • 훈련 시대와 모델 계층
3. FP8 파이프라인이 텐서에 배율 인수를 적용하는 이유는 무엇입니까?
   • 보안을 위해 가중치를 암호화하려면
   • 모델 레이어 수를 늘리려면
   • 모델을 다른 언어로 변환하려면
   • FP8의 좁은 표현 가능 범위 내에서 값을 유지하고 오버플로/언더플로를 방지하려면
4. FP8 사용의 주요 단점은 무엇입니까?
   • 수치 정밀도 감소(반올림 오류)
   • 더 높은 메모리 사용량
   • 느린 행렬 곱셈
   • 어떤 GPU에서도 실행할 수 없음
5. FP8 매트릭스 수학에 대한 전용 하드웨어 지원을 처음 추가한 NVIDIA GPU 세대는 무엇입니까?
   • 파스칼 (P100)
   • 호퍼 (H100)
   • 케플러 (K80)
   • 맥스웰 (M40)
6. FP8을 넘어서는 정밀 포맷의 추세는 무엇입니까?
   • 추론을 위해 64비트 배정밀도로 복귀
   • 텍스트를 위해 부동 소수점을 완전히 제거
   • 모든 모델 중량에 FP32만 사용
   • MXFP4 및 NVFP4와 같은 더 낮은 비트의 마이크로 스케일링 형식
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