Вікторина, пов’язана з посібником · важко Рівень

Вікторина з програмування CUDA та GPU

Перевірте основні концепції CUDA, включаючи ядра, виконання SIMT, доступ до пам’яті, спільну пам’ять і інструменти програмування GPU вищого рівня.

Пов'язані напрямні шляхиПрограмування Cuda та GPU
Питання 1 з 8

У термінології CUDA, що таке «ядро»?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. У термінології CUDA, що таке «ядро»?
    • Функція, що виконується паралельно багатьма потоками GPU
    • Ядро операційної системи
    • Тип мікросхеми пам'яті
    • Система охолодження GPU
  2. Що означає модель виконання SIMT?
    • Повільне введення, багато переказів
    • Одна інструкція, кілька потоків виконують ту саму інструкцію з різними даними
    • Одне зображення, кілька текстур
    • Послідовні інструкції, ручний хронометраж
  3. Чому PyTorch і TensorFlow рідко вимагають від користувачів написання необробленого CUDA?
    • Графічні процесори не можуть виконувати код користувача
    • Безпосереднє використання CUDA заборонено
    • Вони викликають оптимізовані бібліотеки CUDA, такі як cuDNN і cuBLAS
    • Вони працюють тільки на процесорах
  4. Що таке «розбіжність деформації» і чому вона погіршує продуктивність?
    • Помилка мережі, яка скидає пакети
    • Графічний процесор фізично згинається під впливом тепла
    • Помилка, яка видаляє пам'ять
    • Потоки в основі мають різні гілки і повинні працювати послідовно
  5. Чому «об’єднаний» доступ до пам’яті важливий у CUDA?
    • Сусідні потоки читають сусідні адреси набагато ефективніше
    • Він автоматично шифрує дані
    • Це звільняє місце на диску
    • Він вимикає вентилятори GPU
  6. What is OpenAI Triton in relation to CUDA programming?
    • A CUDA driver that replaces NVIDIA GPUs
    • A Python-like language and compiler for writing efficient GPU kernels
    • A model-serving server that only loads TensorFlow checkpoints
    • A framework that converts GPUs into CPUs
  7. What does a CUDA kernel launch configuration specify?
    • A model tokenizer vocabulary
    • The number of training labels
    • The grid and block dimensions used to organize thread execution
    • The host operating system
  8. Why might a CUDA kernel use shared memory?
    • To make data available across every cluster without communication
    • To replace all registers
    • To store the model permanently on the GPU
    • To let threads in a block reuse data from a faster on-chip memory space