Quiz szkoleniowy dotyczący mieszanej precyzji

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. In an FP16 training recipe that keeps an FP32 master weight, why retain it?
   • Aby zachować precyzję w drobnych aktualizacjach wagi, które 16-bitowe mogłyby zaokrąglić
   • Aby zmniejszyć plik modelu na dysku
   • Aby umożliwić trening bez procesora graficznego
   • Aby zaszyfrować parametry modelu
2. Jaki problem rozwiązuje skalowanie strat w szkoleniu FP16?
   • Modele nadmiernie dopasowujące się do danych
   • Gradienty poniżej zera, ponieważ zakres FP16 jest wąski
   • Procesorom graficznym kończy się miejsce na dysku
   • Powolne ładowanie danych z dysku
3. Jaką przewagę ma bfloat16 nad FP16?
   • Używa mniej bitów ogółem
   • Przechowuje tekst zamiast liczb
   • Ma ten sam szeroki zakres wykładników co FP32, co zmniejsza potrzebę skalowania strat
   • Działa tylko na procesorach
4. For many supported Tensor Core matrix operations, how are partial sums commonly accumulated?
   • In integer arithmetic with no rounding
   • In text before converting to FP16
   • In FP16 only, which prevents every numerical error
   • In FP32, which reduces rounding error compared with low-precision accumulation
5. What is a common benefit of using 16-bit values for supported training operations?
   • They can reduce tensor memory and improve throughput, with gains depending on hardware and workload
   • They guarantee higher model accuracy
   • They remove the need to compute gradients
   • They always double end-to-end training speed
6. Which current PyTorch APIs are commonly used for automatic mixed-precision training?
   • torch.cuda.amp only, which is the recommended new namespace
   • torch.amp.autocast and, for FP16 gradient scaling, torch.amp.GradScaler
   • torch.load and torch.save
   • torch.nn.DataParallel and torch.manual_seed
7. Why does bfloat16 often need less loss scaling than FP16?
   • It has more mantissa bits than FP32
   • It stores gradients as integers
   • It has an exponent range like FP32, so very small gradients are less likely to underflow
   • It never rounds values
8. What does autocast do in automatic mixed precision?
   • Converts every tensor and operation to FP16 unconditionally
   • Replaces the optimizer with a different algorithm
   • Guarantees identical bitwise results to FP32
   • Selects operation dtypes so supported operations can use lower precision while others retain safer precision