Вікторина, пов’язана з посібником · важко Рівень

Тест про FP8 і формати низької точності

Попрактикуйтесь у виборі експоненти та мантиси FP8, масштабуванні та вимогах до апаратного забезпечення, зокрема, чому менший формат числа не гарантує ідентичних виходів.

Пов'язані напрямні шляхиFp8 і формати низької точності
Питання 1 з 8

Скільки бітів використовує число FP8 порівняно зі стандартним числом FP32?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Скільки бітів використовує число FP8 порівняно зі стандартним числом FP32?
    • 8 біт проти 16 біт (половина)
    • 8 біт проти 64 біт (восьма)
    • 8 біт проти 32 біт (чверть)
    • 8 біт проти 8 біт (те саме)
  2. Що описують мітки «E4M3» і «E5M2» про формат FP8?
    • Частота помилок і розмір моделі
    • Кількість бітів експоненти проти бітів мантиси
    • Тактова частота і канал пам'яті
    • Епохи навчання та шари моделі
  3. Чому конвеєри FP8 застосовують коефіцієнти масштабування до тензорів?
    • Щоб зашифрувати ваги для безпеки
    • Щоб збільшити кількість шарів моделі
    • Перетворення моделі на іншу мову
    • Щоб зберегти значення у вузькому репрезентативному діапазоні FP8 і уникнути переповнення/недоповнення
  4. Який компроміс є головним мінусом використання FP8?
    • Знижена чисельна точність (помилки округлення)
    • Більше використання пам'яті
    • Повільніше множення матриць
    • Неможливість працювати на будь-якому GPU
  5. Яке покоління графічних процесорів NVIDIA вперше додало виділену апаратну підтримку для матричної математики FP8?
    • Паскаль (P100)
    • Бункер (H100)
    • Кеплер (K80)
    • Максвелл (M40)
  6. Яка тенденція у точних форматах виходить за межі FP8?
    • Повернення до 64-бітної подвійної точності для висновку
    • Повністю вилучено плаваючу кому на користь тексту
    • Використання лише FP32 для всіх моделей ваги
    • Навіть малорозрядні формати мікромасштабування, такі як MXFP4 і NVFP4
  7. A tensor’s values need more dynamic range. Which common FP8 encoding allocates more exponent bits?
    • E5M2
    • E4M3
    • Both allocate zero exponent bits
    • Neither encoding uses an exponent
  8. Why can an FP8 result differ from the same operation using FP32 inputs?
    • Eight-bit input storage is automatically exact for every real value
    • FP8 removes all mathematical operations
    • The lower-precision input representation can introduce rounding error
    • Higher-precision accumulation restores every lost input detail