Kuiz berkaitan panduan · Keras Tahap

FP8 dan Kuiz Format Ketepatan Rendah

Amalkan pilihan eksponen dan mantissa FP8, penskalaan dan keperluan perkakasan, termasuk sebab format nombor yang lebih kecil tidak menjamin output yang sama.

Laluan panduan yang berkaitanFormat Fp8 Dan Ketepatan Rendah
soalan 1 daripada 8

Berapakah bilangan bit yang digunakan oleh nombor FP8 berbanding dengan nombor FP32 standard?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Berapakah bilangan bit yang digunakan oleh nombor FP8 berbanding dengan nombor FP32 standard?
    • 8 bit vs 16 bit (separuh)
    • 8 bit vs 64 bit (seperlapan)
    • 8 bit vs 32 bit (suku)
    • 8 bit vs 8 bit (sama)
  2. Apakah yang diterangkan oleh label 'E4M3' dan 'E5M2' tentang format FP8?
    • Kadar ralat dan saiz model
    • Bilangan bit eksponen berbanding bit mantissa
    • Kelajuan jam dan saluran memori
    • Epok latihan dan lapisan model
  3. Mengapa saluran paip FP8 menggunakan faktor penskalaan pada tensor?
    • Untuk menyulitkan pemberat untuk keselamatan
    • Untuk menambah bilangan lapisan model
    • Untuk menukar model kepada bahasa lain
    • Untuk mengekalkan nilai dalam julat yang boleh diwakili sempit FP8 dan mengelakkan limpahan/aliran bawah
  4. Tukar ganti yang manakah merupakan kelemahan utama penggunaan FP8?
    • Ketepatan berangka yang dikurangkan (ralat pembundaran)
    • Penggunaan memori yang lebih tinggi
    • Pendaraban matriks yang lebih perlahan
    • Ketidakupayaan untuk berjalan pada mana-mana GPU
  5. Generasi GPU NVIDIA manakah yang pertama kali menambah sokongan perkakasan khusus untuk matematik matriks FP8?
    • Pascal (P100)
    • Hopper (H100)
    • Kepler (K80)
    • Maxwell (M40)
  6. Apakah arah aliran dalam format ketepatan yang melangkaui FP8?
    • Kembali kepada ketepatan berganda 64-bit untuk inferens
    • Menghapuskan titik terapung sepenuhnya memihak kepada teks
    • Hanya menggunakan FP32 untuk semua berat model
    • Malah format penskalaan mikro bit rendah seperti MXFP4 dan NVFP4
  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