Викторина, связанная с руководством · Жесткий Уровень

Викторина FP8 и форматы низкой точности

Практикуйте выбор экспоненты и мантиссы FP8, масштабирование и требования к оборудованию, в том числе то, почему меньший числовой формат не гарантирует идентичные выходные данные.

Связанные направляющие путиFp8 и форматы низкой точности
Вопрос 1 из 8

Сколько бит использует число FP8 по сравнению со стандартным числом FP32?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Сколько бит использует число FP8 по сравнению со стандартным числом FP32?
    • 8 бит против 16 бит (половина)
    • 8 бит против 64 бит (восьмая часть)
    • 8 бит против 32 бит (четверть)
    • 8 бит против 8 бит (то же самое)
  2. Что о формате FP8 говорят метки «E4M3» и «E5M2»?
    • Частота ошибок и размер модели
    • Количество битов экспоненты по сравнению с битами мантиссы
    • Тактовая частота и канал памяти
    • Эпохи обучения и слои модели
  3. Почему конвейеры FP8 применяют коэффициенты масштабирования к тензорам?
    • Чтобы зашифровать веса в целях безопасности
    • Увеличение количества слоев модели
    • Чтобы преобразовать модель на другой язык
    • Чтобы сохранить значения в узком представимом диапазоне FP8 и избежать переполнения/недополнения.
  4. Какой компромисс является основным недостатком использования FP8?
    • Пониженная числовая точность (ошибки округления)
    • Более высокое использование памяти
    • Медленное умножение матриц
    • Невозможность запуска на любом графическом процессоре
  5. Какое поколение графических процессоров NVIDIA впервые добавило специальную аппаратную поддержку матричных вычислений FP8?
    • Паскаль (P100)
    • Бункер (H100)
    • Кеплер (К80)
    • Максвелл (M40)
  6. Какова тенденция выхода точных форматов за рамки FP8?
    • Возврат к 64-битной двойной точности для вывода
    • Полностью исключить плавающую точку в пользу текста
    • Использование только FP32 для всех весов моделей.
    • Даже низкобитные форматы микромасштабирования, такие как MXFP4 и 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