Tensor 코어 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Tensor 코어는 어떤 핵심 수학 연산을 가속화하도록 특별히 설계되었나요?
   • 행렬 곱셈 및 누산(D = A x B + C)
   • 큰 숫자 목록 정렬
   • 난수 생성
   • 데이터 암호화 및 복호화
2. Tensor 코어를 처음 도입한 NVIDIA GPU 아키텍처는 무엇입니까?
   • 파스칼
   • 볼타
   • 튜링
   • 맥스웰
3. Tensor 코어가 종종 FP16 또는 FP8과 같이 감소된 정밀도를 사용하는 이유는 무엇입니까?
   • AI에 대한 법적 요구 사항은 낮은 정밀도입니다.
   • GPU에서는 더 높은 정밀도가 불가능합니다.
   • 클럭당 더 많은 숫자를 처리할 수 있어 허용 가능한 정확도를 유지하면서 처리량을 높일 수 있습니다.
   • 칩을 물리적으로 더 작게 만듭니다.
4. 정확성을 유지하기 위해 Tensor 코어는 누계(누적)에 일반적으로 어떤 정밀도를 사용합니까?
   • 입력과 동일한 낮은 정밀도
   • 축적이 수행되지 않습니다.
   • 분수가 없는 정수만
   • FP32와 같은 더 높은 정밀도
5. PyTorch와 같은 일상적인 AI 프레임워크는 Tensor 코어를 어떻게 활용합니까?
   • cuBLAS 및 cuDNN과 같은 라이브러리는 큰 행렬을 코어가 처리할 수 있는 작은 블록으로 자동 타일링합니다.
   • 개발자는 모든 모델에 대해 어셈블리를 직접 작성해야 합니다.
   • Tensor 코어는 소프트웨어가 도달할 수 없는 맞춤형 하드웨어에서만 작동합니다.
   • 상위 수준 프레임워크에서는 전혀 사용할 수 없습니다.
6. Blackwell 아키텍처는 어떤 새로운 숫자 형식을 추가하여 푸시 추론 처리량을 더 높였습니까?
   • FP64(이중 정밀도)
   • FP4(4비트 부동 소수점)
   • 아스키
   • FP128
7. Why should a team validate model quality when changing Tensor Core input precision?
   • Reduced precision guarantees identical outputs
   • The model’s vocabulary changes automatically
   • Lower-precision arithmetic can change numerical results, so accuracy should be checked for the task
   • Tensor Cores remove all rounding effects
8. Which computer-vision feature is a practical example of Tensor Core acceleration?
   • A database index with no matrix operations
   • A file compressor that never runs a neural network
   • A CPU-only spreadsheet calculation
   • Neural upscaling such as NVIDIA DLSS in games