Rehber bağlantılı sınav · Orta Seviye

Groq Testi

Groq'un LPU'sunun derleyici zamanlamasını, çip üzerinde belleği ve hızlı model sunumu için çıkarım öncelikli tasarımı nasıl birleştirdiğini inceleyin.

İlgili kılavuz yollarıBüyük
Soru 1 arasında 8

Groq'un LPU'su ne anlama geliyor?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Groq'un LPU'su ne anlama geliyor?
    • Dil İşleme Birimi
    • Lojik İşlem Birimi
    • Doğrusal Performans Birimi
    • Gecikme Tahmin Birimi
  2. Groq'un çipleri öncelikle yapay zeka iş akışının hangi kısmı için optimize edildi?
    • Modelleri sıfırdan eğitmek
    • Çıkarım (eğitimli modelleri çalıştırma)
    • Veri etiketleme
    • Görüntü sıkıştırma
  3. LPU mimarisinin tanımlayıcı özelliği nedir?
    • Büyük önbelleklerle dinamik donanım zamanlaması
    • Dönen disk depolamaya güvenme
    • Deterministik, derleyici tarafından zamanlanmış yürütme
    • Rastgele talimat sıralaması
  4. Groq'u kim kurdu ve önceki önemli çalışmaları nelerdi?
    • Nvidia'nın GPU serisinin kurucusu
    • OpenAI kurucusu
    • CPU'nun mucidi
    • Google'nin TPU'sunun oluşturulmasına yardımcı olan Jonathan Ross
  5. GroqCloud neler sağlar?
    • AI modellerini Groq donanımında çalıştırmak için API erişimi
    • Bir sosyal medya ağı
    • Bir video düzenleme paketi
    • Bir dosya yedekleme hizmeti
  6. Hangi ifade Groq'u doğru şekilde ayırt ediyor?
    • Groq, Elon Musk'un sohbet robotu
    • Groq, sohbet robotu Grok'tan farklı bir çip şirketidir
    • Groq sosyal bir uygulamadır
    • Groq dönen sabit diskler üretiyor
  7. What role does on-chip SRAM play in Groq's LPU design?
    • It acts as an external archive for completed user conversations
    • It replaces the compiler's instruction schedule
    • It stores and retrieves data close to the compute units with low latency
    • It stores only model outputs after inference ends
  8. In Groq's programmable assembly-line architecture, what does the compiler schedule?
    • Which user requests should be answered first
    • The training labels for each model
    • The order of tokens in the model's vocabulary
    • The movement of data and instructions through compute units