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.
- Kullanıcılar Slurm'a toplu iş göndermek için genellikle hangi komutu kullanır?
- parça
- kubectl uygula
- liman işçisi koşusu
- git itme
- Bir Slurm işi GPU'ları nasıl ister?
- DNS kayıtlarını düzenleyerek
- --gres=gpu direktifi aracılığıyla
- Yalnızca bir web formu aracılığıyla
- Slurm'da GPU'lar istenemez
- Merkezi planlama kararlarını hangi Slurm bileşeni verir?
- gevezelik
- koşmak
- Slurmctld
- parça
- 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
- 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
- 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
- Which Slurm daemon normally runs on each compute node to launch tasks and report node status?
- Slurmctld
- sbatchd
- gevezelik
- gresctl
- 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