Test legat de ghid · Greu Nivel

Test de programare CUDA și GPU

Check core CUDA concepts, including kernels, SIMT execution, memory access, shared memory, and higher-level GPU programming tools.

Căi de ghidare aferenteProgramare Cuda și GPU
Întrebare 1 de 8

În terminologia CUDA, ce este un „kernel”?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. În terminologia CUDA, ce este un „kernel”?
    • O funcție rulată în paralel de multe fire de execuție GPU
    • Miezul unui sistem de operare
    • Un tip de cip de memorie
    • Sistemul de răcire al GPU-ului
  2. Ce înseamnă modelul de execuție SIMT?
    • Intrare lentă, multe transferuri
    • O singură instrucțiune, mai multe fire rulează aceeași instrucțiune pe date diferite
    • O singură imagine, mai multe texturi
    • Instrucțiuni secvențiale, cronometrare manuală
  3. De ce PyTorch și TensorFlow solicită rar utilizatorilor să scrie CUDA brut?
    • GPU-urile nu pot rula cod de utilizator
    • CUDA este ilegal de utilizat direct
    • Ei numesc biblioteci CUDA optimizate precum cuDNN și cuBLAS în interior
    • Ele rulează doar pe procesoare
  4. Ce este „divergența warp” și de ce dăunează performanței?
    • O eroare de rețea care elimină pachete
    • GPU-ul se îndoaie fizic sub căldură
    • O eroare care șterge memoria
    • Firele dintr-un warp iau ramuri diferite și trebuie să ruleze în serie
  5. De ce este important accesul la memorie „coalesced” în CUDA?
    • Firele adiacente citesc adrese adiacente este mult mai eficient
    • Criptează datele automat
    • Eliberează spațiu pe disc
    • Dezactivează ventilatoarele GPU
  6. What is OpenAI Triton in relation to CUDA programming?
    • A CUDA driver that replaces NVIDIA GPUs
    • A Python-like language and compiler for writing efficient GPU kernels
    • A model-serving server that only loads TensorFlow checkpoints
    • A framework that converts GPUs into CPUs
  7. What does a CUDA kernel launch configuration specify?
    • A model tokenizer vocabulary
    • The number of training labels
    • The grid and block dimensions used to organize thread execution
    • The host operating system
  8. Why might a CUDA kernel use shared memory?
    • To make data available across every cluster without communication
    • To replace all registers
    • To store the model permanently on the GPU
    • To let threads in a block reuse data from a faster on-chip memory space