Викторина Slurm для обучающих кластеров искусственного интеллекта

Ответы и пояснения появляются по мере прохождения теста.

1. Какую команду обычно используют пользователи для отправки пакетного задания в Slurm?
   • образец
   • kubectl применить
   • запуск докера
   • git push
2. Как задание Slurm запрашивает графические процессоры?
   • Редактируя записи DNS
   • Через директиву --gres=gpu
   • Только через веб-форму
   • Графические процессоры не могут быть запрошены в Slurm
3. Какой компонент Slurm принимает центральные решения по планированию?
   • слёрмд
   • бежать
   • slurmctld
   • образец
4. Why can srun help launch distributed training tasks inside a Slurm allocation?
   • It automatically restores every model checkpoint
   • It replaces slurmctld as the scheduler
   • It converts a single GPU into multiple physical GPUs
   • It launches coordinated tasks across allocated nodes; the training setup may still need explicit DDP configuration
5. Какова цель планирования обратной засыпки в Slurm?
   • Для выполнения коротких заданий в перерывах между простоями, не задерживая работу с более высоким приоритетом.
   • Чтобы удалить старые вакансии
   • Для разгона графических процессоров
   • Шифрование журналов заданий
6. What must an AI training script do so a requeued Slurm job can continue after a node failure?
   • Assume Slurm stores model weights automatically
   • Save checkpoints and reload them when the job restarts
   • Disable resource accounting
   • Submit a new job without restoring state
7. Which Slurm daemon normally runs on each compute node to launch tasks and report node status?
   • slurmctld
   • sbatchd
   • слёрмд
   • gresctl
8. What can Slurm resource accounting help cluster administrators track?
   • The model’s validation accuracy automatically
   • The semantic content of training data
   • Whether every checkpoint is scientifically valid
   • Job resource use such as allocated CPUs, GPUs and time