Quiz połączony z przewodnikiem · Ciężko Poziom

Quiz dotyczący 8PR i formatów o niskiej precyzji

Przećwicz wybór wykładników i mantys w 8PR, skalowanie i wymagania sprzętowe, w tym dlaczego mniejszy format liczb nie gwarantuje identycznych wyników.

Powiązane ścieżki prowadząceFormaty Fp8 i o niskiej precyzji
Pytanie 1 z 8

Ile bitów wykorzystuje numer FP8 w porównaniu ze standardowym numerem FP32?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Ile bitów wykorzystuje numer FP8 w porównaniu ze standardowym numerem FP32?
    • 8 bitów kontra 16 bitów (połowa)
    • 8 bitów w porównaniu z 64 bitami (ósemka)
    • 8 bitów w porównaniu z 32 bitami (jedna czwarta)
    • 8 bitów vs 8 bitów (to samo)
  2. Co etykiety „E4M3” i „E5M2” opisują na temat formatu 8PR?
    • Poziom błędu i rozmiar modelu
    • Liczba bitów wykładnika w funkcji bitów mantysy
    • Szybkość zegara i kanał pamięci
    • Epoki szkoleniowe i warstwy modelu
  3. Dlaczego w projektach 8PR stosuje się współczynniki skalowania do tensorów?
    • Aby zaszyfrować wagi dla bezpieczeństwa
    • Aby zwiększyć liczbę warstw modelu
    • Aby przekonwertować model na inny język
    • Aby utrzymać wartości w wąskim, reprezentowalnym zakresie 8PR i uniknąć przepełnienia/niedomiaru
  4. Który kompromis jest główną wadą korzystania z 8PR?
    • Zmniejszona precyzja numeryczna (błędy zaokrągleń)
    • Większe zużycie pamięci
    • Wolniejsze mnożenie macierzy
    • Brak możliwości uruchomienia na dowolnym GPU
  5. Która generacja procesorów graficznych NVIDIA jako pierwsza dodała dedykowaną obsługę sprzętową matematyki macierzy FP8?
    • Paskal (P100)
    • Zbiornik (H100)
    • Keplera (K80)
    • Maxwella (M40)
  6. Jaka jest tendencja w zakresie precyzyjnych formatów wykraczająca poza 8PR?
    • Powrót do 64-bitowej podwójnej precyzji na potrzeby wnioskowania
    • Całkowite wyeliminowanie zmiennoprzecinkowego na rzecz tekstu
    • Używanie tylko FP32 dla wszystkich modeli o masie
    • Nawet formaty mikroskalowania o niższych bitach, takie jak MXFP4 i 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