Maswali yanayounganishwa na mwongozo · Kati Kiwango

Maswali ya Tensor Cores

Inashughulikia shughuli za tumbo la Tensor Core, mkusanyiko wa usahihi mchanganyiko, kuweka tiles kwa programu, na miundo ya nambari maalum ya usanifu.

Njia za mwongozo zinazohusianaViini vya Tensor
Swali 1 ya 8

Je, ni operesheni gani ya msingi ya hisabati ambayo Tensor Cores imeundwa mahsusi ili kuharakisha?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Je, ni operesheni gani ya msingi ya hisabati ambayo Tensor Cores imeundwa mahsusi ili kuharakisha?
    • Matrix ya kuzidisha-na-kukusanya (D = A x B + C)
    • Kupanga orodha kubwa za nambari
    • Uzalishaji wa nambari bila mpangilio
    • Kusimba na kusimbua data
  2. Ni usanifu gani wa NVIDIA GPU ulioanzisha Tensor Cores kwanza?
    • Pascal
    • Volta
    • Turing
    • Maxwell
  3. Kwa nini Tensor Cores mara nyingi hutumia usahihi uliopunguzwa kama FP16 au FP8?
    • Usahihi wa chini unahitajika na sheria kwa AI
    • Usahihi wa juu hauwezekani kwenye GPU
    • Huruhusu nambari zaidi kuchakatwa kwa kila saa, na kuongeza utumaji huku usahihi ukikubalika
    • Inafanya chip kuwa ndogo kimwili
  4. Ili kuhifadhi usahihi, je, Tensor Cores hutumia usahihi gani kwa jumla inayoendesha (mkusanyiko)?
    • Usahihi wa chini sawa na pembejeo
    • Hakuna mkusanyiko unaofanywa
    • Nambari kamili pekee bila visehemu
    • Usahihi wa hali ya juu kama vile FP32
  5. Mifumo ya AI ya kila siku kama PyTorch hutumiaje Tensor Cores?
    • Maktaba kama vile cuBLAS na cuDNN huweka matiti makubwa kiotomatiki kwenye vizuizi vidogo ambavyo core zinaweza kuchakata
    • Wasanidi lazima waandike kwa mkono mkusanyiko kwa kila muundo
    • Tensor Cores hufanya kazi tu na maunzi maalum ambayo hakuna programu inayoweza kufikia
    • Haziwezi kutumiwa na mifumo ya hali ya juu kabisa
  6. Usanifu wa Blackwell uliongeza umbizo gani mpya zaidi ili kusukuma upitishaji wa uelekezaji juu zaidi?
    • FP64 (usahihi mara mbili)
    • FP4 (hatua 4-bit ya kuelea)
    • ASCII
    • FP128
  7. Why should a team validate model quality when changing Tensor Core input precision?
    • Reduced precision guarantees identical outputs
    • The model’s vocabulary changes automatically
    • Lower-precision arithmetic can change numerical results, so accuracy should be checked for the task
    • Tensor Cores remove all rounding effects
  8. Which computer-vision feature is a practical example of Tensor Core acceleration?
    • A database index with no matrix operations
    • A file compressor that never runs a neural network
    • A CPU-only spreadsheet calculation
    • Neural upscaling such as NVIDIA DLSS in games