Rehber bağlantılı sınav · Orta Seviye

Yapay Zeka Eğitim Kümeleri Testi için Slurm

Slurm'un toplu işlemini, GPU'sunu ve dağıtılmış başlatma komutlarını, zamanlama bileşenlerini, dolgu davranışını ve kontrol noktasına duyarlı kurtarmayı kontrol eder.

Soru 1 arasında 8

Kullanıcılar Slurm'a toplu iş göndermek için genellikle hangi komutu kullanır?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Kullanıcılar Slurm'a toplu iş göndermek için genellikle hangi komutu kullanır?
    • parça
    • kubectl uygula
    • liman işçisi koşusu
    • git itme
  2. Bir Slurm işi GPU'ları nasıl ister?
    • DNS kayıtlarını düzenleyerek
    • --gres=gpu direktifi aracılığıyla
    • Yalnızca bir web formu aracılığıyla
    • Slurm'da GPU'lar istenemez
  3. Merkezi planlama kararlarını hangi Slurm bileşeni verir?
    • gevezelik
    • koşmak
    • Slurmctld
    • parça
  4. Why can srun help launch distributed training tasks inside a Slurm allocation?
    • It automatically restores every model checkpoint
    • It replaces slurmctld as the scheduler
    • It converts a single GPU into multiple physical GPUs
    • It launches coordinated tasks across allocated nodes; the training setup may still need explicit DDP configuration
  5. Slurm'da dolgu planlamasının amacı nedir?
    • Yüksek öncelikli işleri geciktirmeden boşta kalan kısa işleri yürütmek
    • Eski işleri silmek için
    • GPU'ları overclock etmek için
    • İş günlüklerini şifrelemek için
  6. What must an AI training script do so a requeued Slurm job can continue after a node failure?
    • Assume Slurm stores model weights automatically
    • Save checkpoints and reload them when the job restarts
    • Disable resource accounting
    • Submit a new job without restoring state
  7. Which Slurm daemon normally runs on each compute node to launch tasks and report node status?
    • Slurmctld
    • sbatchd
    • gevezelik
    • gresctl
  8. What can Slurm resource accounting help cluster administrators track?
    • The model’s validation accuracy automatically
    • The semantic content of training data
    • Whether every checkpoint is scientifically valid
    • Job resource use such as allocated CPUs, GPUs and time