Test legat de ghid · Greu Nivel

FP8 și chestionar pentru formate cu precizie redusă

Practice FP8 exponent and mantissa choices, scaling, and hardware requirements, including why a smaller number format does not guarantee identical outputs.

Căi de ghidare aferenteFp8 și formate de precizie scăzută
Întrebare 1 de 8

Câți biți folosește un număr FP8 în comparație cu un număr standard FP32?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Câți biți folosește un număr FP8 în comparație cu un număr standard FP32?
    • 8 biți vs 16 biți (jumătate)
    • 8 biți vs 64 de biți (o optime)
    • 8 biți vs 32 de biți (un sfert)
    • 8 biți vs 8 biți (la fel)
  2. Ce descriu etichetele „E4M3” și „E5M2” despre un format FP8?
    • Rata de eroare și dimensiunea modelului
    • Numărul de biți exponent față de biți mantise
    • Viteza ceasului și canalul de memorie
    • Epocile de antrenament și straturile modelului
  3. De ce conductele FP8 aplică factori de scalare la tensori?
    • Pentru a cripta greutățile pentru securitate
    • Pentru a crește numărul de straturi de model
    • Pentru a converti modelul într-o altă limbă
    • Pentru a menține valorile în intervalul îngust de reprezentare al FP8 și pentru a evita depășirea/depășirea insuficientă
  4. Care este principalul dezavantaj al utilizării FP8?
    • Precizie numerică redusă (erori de rotunjire)
    • Utilizare mai mare a memoriei
    • Înmulțirea matricei mai lentă
    • Imposibilitatea de a rula pe orice GPU
  5. Care generație de GPU NVIDIA a adăugat pentru prima dată suport hardware dedicat pentru matematica matricei FP8?
    • Pascal (P100)
    • Buncăr (H100)
    • Kepler (K80)
    • Maxwell (M40)
  6. Care este tendința în ceea ce privește formatele de precizie care depășesc FP8?
    • O revenire la o precizie dublă de 64 de biți pentru inferență
    • Eliminarea virgulei mobile în întregime în favoarea textului
    • Folosind numai FP32 pentru toate greutățile modelului
    • Chiar și formate de micro-scalare cu biți mai mici, cum ar fi MXFP4 și 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