가이드 연계 퀴즈 · 중간 레벨

멀티 인스턴스 GPU 파티셔닝 퀴즈

지원되는 하드웨어가 파티션 선택을 결정하는 이유를 포함하여 MIG 프로필, GPU 대 컴퓨팅 인스턴스 리소스, 장치 노출을 적용합니다.

관련 가이드 경로멀티 인스턴스 GPU 파티셔닝
질문 1 의 8

Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 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
  2. MIG가 처음 도입된 NVIDIA 아키텍처는 무엇입니까?
    • 볼타
    • 암페어(A100)
    • 튜링
    • 파스칼
  3. 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
  4. '1g.5gb'와 같은 MIG 프로필에서 '5gb'는 무엇을 의미하나요?
    • 해당 인스턴스에 할당된 메모리
    • SMS 수
    • PCIe 대역폭
    • 클럭 속도
  5. MIG는 어떤 워크로드에 특히 적합합니까?
    • 전체 GPU가 필요한 단일 대규모 훈련 실행
    • 예측 가능한 지연 시간을 제공하는 다중 테넌트 추론
    • CPU 바인딩된 데이터 전처리
    • 장기 냉장 보관
  6. Kubernetes 클러스터는 어떻게 MIG 인스턴스를 포드에 노출할 수 있나요?
    • 원시 디스크 볼륨으로
    • 수동 SSH를 통해서만
    • 'nvidia.com/mig-1g.5gb'와 같은 예약 가능한 리소스
    • DNS 레코드를 통해
  7. 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
  8. 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