Вікторина, пов’язана з посібником · Середній Рівень
Тест пам'яті з високою пропускною здатністю
Перевіряє стекування HBM, TSV, широкі інтерфейси, пропускну здатність і пропускну здатність, а також поточне покоління HBM4 разом із попередніми версіями.
Питання 1 з 8
Яку основну проблему вирішує High Bandwidth Memory для прискорювачів AI?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- Яку основну проблему вирішує High Bandwidth Memory для прискорювачів AI?
- Обчислювальні ядра простоюють, очікуючи надходження даних
- Графічні процесори перегріваються через занадто багато світла
- Постійне зберігання файлів при вимкненому живленні
- Підключення GPU до Інтернету
- Чим фізична конструкція HBM відрізняється від звичайної пам’яті GDDR?
- Він зберігається на жорсткому диску
- Він збирає кілька кристалів DRAM вертикально та з’єднує їх через кремнієві отвори
- Він використовує волоконно-оптичні кабелі всередині чіпа
- Він не має транзисторів
- На що в основному покладається HBM для досягнення високої пропускної здатності?
- Набагато вищі тактові частоти, ніж будь-яка інша пам'ять
- Охолодження рідким азотом
- Надзвичайний паралелізм через дуже широкий інтерфейс
- Стиснення всіх даних до одного біта
- Чому стеки HBM розміщені на кремнієвому інтерпозері поруч із GPU?
- Щоб упаковка виглядала краще
- Оскільки HBM не може працювати на відстані більше метра
- Щоб дозволити користувачеві легко видалити
- Щоб дроти були короткими, зменшуючи потужність на біт і затримку
- Особливо для великих мовних моделей, чому HBM може мати таке ж значення, як і необроблені обчислення?
- Оскільки ваги моделей необхідно постійно передавати, що вимагає високої ємності та пропускної здатності
- Тому що моделі взагалі не розраховують
- Оскільки обчислення безкоштовні, але пам’ять оподатковується
- Оскільки магістратури використовують лише центральний процесор
- Which HBM generations are part of the progression from HBM2 to currently sampling HBM4 products?
- HBM2, HBM2E, HBM4E, then HBM3
- HBM2, HBM2E, HBM3, HBM3E, and HBM4
- GDDR6, GDDR7, DDR5, and HBM4
- HBM3E directly followed by HBM1
- Why can high HBM bandwidth help an autoregressive language model during token generation?
- It eliminates the need to store model weights
- It performs tokenization instead of the GPU
- It can move model weights and other data to the compute units more quickly
- It makes every model compute-bound
- What is the difference between HBM capacity and HBM bandwidth?
- They are identical measures of GPU clock speed
- Capacity measures transfer speed and bandwidth measures data size
- Neither is related to memory
- Capacity is how much data can be stored; bandwidth is how quickly data can be transferred