Rehber bağlantılı sınav · Orta Seviye

GPU Planlama ve Küme Düzenleme Testi

Ön alım ve adil paylaşım politikalarının paylaşılan eğitim kümelerini nasıl etkilediği de dahil olmak üzere GPU kaynak istekleri, grup planlama ve topoloji yerleştirme konusunda pratik yapın.

İlgili kılavuz yollarıGPU Zamanlama ve Küme Düzenlemesi
Soru 1 arasında 8

Why coordinate resource admission for a fixed-size distributed training worker group?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Why coordinate resource admission for a fixed-size distributed training worker group?
    • To guarantee every process starts at exactly the same nanosecond
    • To guarantee the model converges
    • To remove all worker communication
    • To reduce partial-start situations where workers wait for unavailable peers
  2. How does Kubernetes normally express a device-plugin GPU resource request?
    • As arbitrary fractions of CPU clock cycles
    • As an integer count of advertised device resources
    • As a DNS hostname only
    • As a string of model output tokens
  3. Topolojiye duyarlı planlama neyi optimize etmeye çalışır?
    • İşleri mümkün olduğunca uzağa yaymak
    • Kullanıcı sayısını en aza indirmek
    • İletişim kademelerini NVLink gibi hızlı ara bağlantılara yerleştirme
    • En ucuz elektrik sağlayıcısını seçme
  4. Yapay zeka işlerinin toplu ve toplu olarak planlanması için Kubernetes'te yaygın olarak hangi eklenti kullanılır?
    • Volkan
    • Apaçi Kafka
    • Redis
    • Grafana
  5. What must a training application provide if a preempted job should resume its previous progress?
    • A guarantee that preemption saves optimizer state automatically
    • A usable checkpoint and recovery procedure
    • A renamed pod with no saved state
    • A higher learning rate for its first resumed step
  6. Paylaşılan bir kümede adil paylaşım kotalarının rolü nedir?
    • Her zaman bir takımın kazanmasını garanti etmek
    • Zamanlayıcıyı devre dışı bırakmak için
    • Herhangi bir ekibin tüm GPU'ları tekeline almasını önlemek için
    • Tek bir işi hızlandırmak için
  7. A fixed worker group needs eight GPU resources but only four are available. What can group admission accomplish?
    • Keep the group pending until its configured minimum requirements can be met
    • Invent the missing four GPU devices
    • Turn every worker into a CPU process without configuration
    • Guarantee completion even with no admitted workers
  8. Two communicating GPU jobs fit the same resource counts on different nodes. Why consider topology as well?
    • The resource count alone fixes every transfer latency
    • Topology determines the training labels
    • Only node names affect all-reduce outputs
    • Interconnect placement affects communication costs between their workers