แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ

แบบทดสอบการเขียนโปรแกรม CUDA และ GPU

ตรวจสอบแนวคิดหลักของ CUDA รวมถึงเคอร์เนล การดำเนินการ SIMT การเข้าถึงหน่วยความจำ หน่วยความจำที่ใช้ร่วมกัน และเครื่องมือการเขียนโปรแกรม GPU ระดับที่สูงกว่า

เส้นทางแนะนำที่เกี่ยวข้องโปรแกรม Cuda และ GPU
คำถาม 1 ของ 8

ในคำศัพท์ CUDA 'เคอร์เนล' คืออะไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ในคำศัพท์ CUDA 'เคอร์เนล' คืออะไร
    • ฟังก์ชั่นทำงานแบบขนานโดยเธรด GPU จำนวนมาก
    • แกนกลางของระบบปฏิบัติการ
    • ชิปหน่วยความจำชนิดหนึ่ง
    • ระบบระบายความร้อนของ GPU
  2. รูปแบบการดำเนินการ SIMT หมายถึงอะไร
    • อินพุตช้า การถ่ายโอนข้อมูลจำนวนมาก
    • คำสั่งเดียว หลายเธรด รันคำสั่งเดียวกันบนข้อมูลที่ต่างกัน
    • ภาพเดียว หลายพื้นผิว
    • คำแนะนำตามลำดับ การกำหนดเวลาแบบแมนนวล
  3. เหตุใด PyTorch และ TensorFlow จึงแทบไม่ต้องการให้ผู้ใช้เขียน CUDA แบบดิบ
    • GPU ไม่สามารถรันโค้ดผู้ใช้ได้
    • CUDA ผิดกฎหมายในการใช้โดยตรง
    • พวกเขาเรียกไลบรารี CUDA ที่ปรับให้เหมาะสม เช่น cuDNN และ cuBLAS ภายใน
    • พวกมันทำงานบน CPU เท่านั้น
  4. 'วาร์ปไดเวอร์เจนซ์' คืออะไร และเหตุใดจึงส่งผลเสียต่อประสิทธิภาพ
    • ข้อผิดพลาดด้านเครือข่ายที่ทำให้แพ็กเก็ตลดลง
    • GPU โค้งงอตามความร้อน
    • จุดบกพร่องที่ลบหน่วยความจำ
    • เธรดในวาร์ปจะมีสาขาต่างกันและต้องรันแบบอนุกรม
  5. เหตุใดการเข้าถึงหน่วยความจำ 'รวม' จึงมีความสำคัญใน CUDA
    • เธรดที่อยู่ติดกันที่อ่านที่อยู่ติดกันนั้นมีประสิทธิภาพมากกว่ามาก
    • มันเข้ารหัสข้อมูลโดยอัตโนมัติ
    • มันเพิ่มพื้นที่ว่างในดิสก์
    • มันปิดการใช้งานพัดลม 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