Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Pembahagian GPU Berbilang Contoh

Gunakan profil MIG, sumber contoh GPU berbanding pengiraan dan pendedahan peranti, termasuk sebab perkakasan yang disokong menentukan pilihan partition.

Laluan panduan yang berkaitanPembahagian GPU Multi Instans
soalan 1 daripada 8

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

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  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. Pada seni bina NVIDIA manakah MIG pertama kali diperkenalkan?
    • Volta
    • Ampere (A100)
    • Turing
    • Pascal
  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. Dalam profil MIG seperti '1g.5gb', apakah yang diwakili oleh '5gb'?
    • Memori yang diperuntukkan kepada contoh itu
    • Bilangan SM
    • Jalur lebar PCIe
    • Kelajuan jam
  5. Beban kerja manakah yang paling sesuai untuk MIG?
    • Satu latihan besar-besaran yang memerlukan keseluruhan GPU
    • Penyajian inferens berbilang penyewa dengan kependaman boleh diramal
    • Prapemprosesan data terikat CPU
    • Penyimpanan sejuk jangka panjang
  6. Bagaimanakah kluster Kubernetes boleh mendedahkan kejadian MIG kepada pod?
    • Sebagai volum cakera mentah
    • Hanya melalui SSH manual
    • Sebagai sumber yang boleh dijadualkan seperti 'nvidia.com/mig-1g.5gb'
    • Melalui rekod DNS
  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