แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบเทนเซอร์คอร์

ครอบคลุมการทำงานของเมทริกซ์ Tensor Core การสะสมที่มีความแม่นยำแบบผสม การเรียงซอฟต์แวร์ และรูปแบบตัวเลขเฉพาะทางสถาปัตยกรรม

เส้นทางแนะนำที่เกี่ยวข้องแกนเทนเซอร์
คำถาม 1 ของ 8

การดำเนินการทางคณิตศาสตร์หลักใดคือ Tensor Cores ที่ออกแบบมาเพื่อเร่งความเร็วโดยเฉพาะ

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. การดำเนินการทางคณิตศาสตร์หลักใดคือ Tensor Cores ที่ออกแบบมาเพื่อเร่งความเร็วโดยเฉพาะ
    • เมทริกซ์คูณและสะสม (D = A x B + C)
    • การเรียงลำดับรายการตัวเลขจำนวนมาก
    • การสร้างตัวเลขสุ่ม
    • การเข้ารหัสและถอดรหัสข้อมูล
  2. สถาปัตยกรรม NVIDIA GPU ใดที่เปิดตัว Tensor Cores เป็นครั้งแรก
    • ปาสคาล
    • โวลต้า
    • ทัวริง
    • แม็กซ์เวลล์
  3. เหตุใด Tensor Core จึงมักใช้ความแม่นยำลดลง เช่น FP16 หรือ FP8
    • กฎหมายกำหนดความแม่นยำที่ต่ำกว่าสำหรับ AI
    • ความแม่นยำสูงกว่านั้นเป็นไปไม่ได้บน GPU
    • ช่วยให้สามารถประมวลผลตัวเลขต่อนาฬิกาได้มากขึ้น ช่วยเพิ่มปริมาณงานโดยยังคงรักษาความแม่นยำไว้ได้
    • มันทำให้ชิปมีขนาดเล็กลง
  4. เพื่อรักษาความแม่นยำ โดยทั่วไป Tensor Cores จะใช้ความแม่นยำเท่าใดสำหรับผลรวมรัน (การสะสม)
    • ความแม่นยำต่ำเช่นเดียวกับอินพุต
    • ไม่มีการสะสม
    • จำนวนเต็มเท่านั้นโดยไม่มีเศษส่วน
    • ความแม่นยำสูงกว่าเช่น FP32
  5. เฟรมเวิร์ก AI ในชีวิตประจำวันอย่าง PyTorch ใช้ประโยชน์จาก Tensor Cores ได้อย่างไร
    • ไลบรารีเช่น cuBLAS และ cuDNN จะเรียงเมทริกซ์ขนาดใหญ่เป็นบล็อกเล็กๆ ที่คอร์สามารถประมวลผลได้โดยอัตโนมัติ
    • นักพัฒนาจะต้องเขียนแอสเซมบลีด้วยมือสำหรับทุกรุ่น
    • Tensor Cores ใช้งานได้เฉพาะกับฮาร์ดแวร์แบบกำหนดเองที่ไม่มีซอฟต์แวร์ใดสามารถเข้าถึงได้
    • ไม่สามารถใช้กับเฟรมเวิร์กระดับสูงได้เลย
  6. สถาปัตยกรรม Blackwell เพิ่มรูปแบบตัวเลขที่ใหม่กว่าใดเพื่อเพิ่มปริมาณงานการอนุมานให้สูงขึ้น
    • FP64 (ความแม่นยำสองเท่า)
    • FP4 (จุดลอยตัว 4 บิต)
    • แอสกี
    • 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