Slurm untuk Kuiz Kluster Latihan AI

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah arahan yang biasanya digunakan pengguna untuk menyerahkan tugas kelompok kepada Slurm?
   • sbatch
   • kubectl memohon
   • lari berlabuh
   • git push
2. Bagaimanakah kerja Slurm meminta GPU?
   • Dengan mengedit rekod DNS
   • Melalui arahan --gres=gpu
   • Melalui borang web sahaja
   • GPU tidak boleh diminta dalam Slurm
3. Komponen Slurm yang manakah membuat keputusan penjadualan pusat?
   • slurmd
   • srun
   • slurmctld
   • sbatch
4. Why can srun help launch distributed training tasks inside a Slurm allocation?
   • It automatically restores every model checkpoint
   • It replaces slurmctld as the scheduler
   • It converts a single GPU into multiple physical GPUs
   • It launches coordinated tasks across allocated nodes; the training setup may still need explicit DDP configuration
5. Apakah tujuan penjadualan isi semula dalam Slurm?
   • Untuk menjalankan kerja pendek dalam jurang terbiar tanpa melengahkan kerja keutamaan yang lebih tinggi
   • Untuk memadam kerja lama
   • Untuk overclock GPU
   • Untuk menyulitkan log kerja
6. What must an AI training script do so a requeued Slurm job can continue after a node failure?
   • Assume Slurm stores model weights automatically
   • Save checkpoints and reload them when the job restarts
   • Disable resource accounting
   • Submit a new job without restoring state
7. Which Slurm daemon normally runs on each compute node to launch tasks and report node status?
   • slurmctld
   • sbatchd
   • slurmd
   • gresctl
8. What can Slurm resource accounting help cluster administrators track?
   • The model’s validation accuracy automatically
   • The semantic content of training data
   • Whether every checkpoint is scientifically valid
   • Job resource use such as allocated CPUs, GPUs and time