Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący partycjonowania procesora graficznego z wieloma instancjami

Zastosuj profile MIG, zasoby instancji GPU w porównaniu z instancjami obliczeniowymi oraz ekspozycję urządzeń, w tym dlaczego obsługiwany sprzęt wpływa na wybór partycji.

Powiązane ścieżki prowadzącePartycjonowanie GPU w wielu instancjach
Pytanie 1 z 8

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

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  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. Na jakiej architekturze NVIDIA po raz pierwszy wprowadzono MIG?
    • Wolta
    • Amper (A100)
    • Turinga
    • 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. Co w profilu MIG, np. „1g.5gb”, oznacza „5gb”?
    • Pamięć przydzielona do tej instancji
    • Liczba SMS-ów
    • Przepustowość PCIe
    • Szybkość zegara
  5. Do jakiego obciążenia szczególnie dobrze nadaje się metoda MIG?
    • Pojedynczy, masowy przebieg treningowy wymagający całego procesora graficznego
    • Obsługa wnioskowania dla wielu dzierżawców z przewidywalnym opóźnieniem
    • Wstępne przetwarzanie danych związane z procesorem
    • Długotrwałe przechowywanie w chłodni
  6. W jaki sposób klaster Kubernetes może udostępniać instancje MIG podom?
    • Jako surowe woluminy dyskowe
    • Tylko poprzez ręczne SSH
    • Jako zasoby, które można zaplanować, takie jak „nvidia.com/mig-1g.5gb”
    • Za pośrednictwem rekordów 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