Rehber bağlantılı sınav · Orta Seviye

Çok Örnekli GPU Bölümleme Sınavı

Desteklenen donanımın bölüm seçimlerini neden belirlediği de dahil olmak üzere MIG profillerini, GPU'ya karşı hesaplama bulut sunucusu kaynaklarını ve cihaz maruziyetini uygulayın.

İlgili kılavuz yollarıÇok Örnekli GPU Bölümleme
Soru 1 arasında 8

Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?
    • Only a different process priority on one shared execution queue
    • A guaranteed absence of every host or device failure
    • A separate network cable for every CUDA kernel
    • Dedicated hardware compute and memory resources for each GPU Instance
  2. MIG ilk kez hangi NVIDIA mimarisi üzerinde tanıtıldı?
    • Volta
    • Amper (A100)
    • Turing
    • Pascal'ın
  3. On an A100 40 GB using supported small-instance profiles, how many GPU Instances can a layout provide?
    • Exactly sixteen on every supported GPU
    • Exactly two regardless of profile
    • Up to seven
    • An unlimited number with no memory limits
  4. '1g.5gb' gibi bir MIG profilinde '5gb' neyi temsil eder?
    • Bu örneğe ayrılan bellek
    • SMS sayısı
    • PCIe bant genişliği
    • Saat hızı
  5. MIG özellikle hangi iş yüküne uygundur?
    • Tüm GPU'ya ihtiyaç duyan tek bir devasa eğitim çalışması
    • Öngörülebilir gecikmeyle çok kiracılı çıkarım hizmeti
    • CPU'ya bağlı veri ön işleme
    • Uzun süreli soğuk depolama
  6. Bir Kubernetes kümesi MIG örneklerini pod'lara nasıl gösterebilir?
    • Ham disk birimleri olarak
    • Yalnızca manuel SSH aracılığıyla
    • 'nvidia.com/mig-1g.5gb' gibi programlanabilir kaynaklar olarak
    • DNS kayıtları aracılığıyla
  7. Two Compute Instances belong to the same MIG GPU Instance. Which resources do they share?
    • Their parent GPU Instance’s memory resources
    • Only a remote CPU’s filesystem
    • Separate complete copies of physical GPU memory
    • Every compute slice on unrelated GPUs
  8. A team wants to deploy a named MIG profile on a new GPU model. What should it check first?
    • That every NVIDIA GPU supports identical profiles
    • That the model parameter count is an even integer
    • That the Kubernetes pod name contains the profile text
    • That the GPU supports MIG and that exact profile layout