Вікторина, пов’язана з посібником · Середній Рівень

Тест із розбиття графічного процесора на кілька екземплярів

Застосуйте профілі MIG, ресурси екземпляра GPU проти комп’ютера та вплив пристрою, зокрема, чому підтримуване обладнання визначає вибір розділів.

Пов'язані напрямні шляхиБагатоекземплярне розділення GPU
Питання 1 з 8

Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?
    • Only a different process priority on one shared execution queue
    • A guaranteed absence of every host or device failure
    • A separate network cable for every CUDA kernel
    • Dedicated hardware compute and memory resources for each GPU Instance
  2. На якій архітектурі NVIDIA вперше було представлено MIG?
    • Вольта
    • Ампер (A100)
    • Тюрінг
    • Паскаль
  3. On an A100 40 GB using supported small-instance profiles, how many GPU Instances can a layout provide?
    • Exactly sixteen on every supported GPU
    • Exactly two regardless of profile
    • Up to seven
    • An unlimited number with no memory limits
  4. У профілі MIG, наприклад «1g.5gb», що означає «5gb»?
    • Пам'ять, виділена для цього екземпляра
    • Кількість СМ
    • Пропускна здатність PCIe
    • Тактова частота
  5. Для яких навантажень MIG особливо підходить?
    • Одне масове тренування, яке потребує всього GPU
    • Обслуговування кількох орендарів з передбачуваною затримкою
    • Попередня обробка даних, пов’язана з процесором
    • Тривале холодне зберігання
  6. Як кластер Kubernetes може представити екземпляри MIG контейнерам?
    • Як необроблені томи диска
    • Тільки через ручний SSH
    • Як заплановані ресурси, наприклад "nvidia.com/mig-1g.5gb"
    • Через записи DNS
  7. Two Compute Instances belong to the same MIG GPU Instance. Which resources do they share?
    • Their parent GPU Instance’s memory resources
    • Only a remote CPU’s filesystem
    • Separate complete copies of physical GPU memory
    • Every compute slice on unrelated GPUs
  8. A team wants to deploy a named MIG profile on a new GPU model. What should it check first?
    • That every NVIDIA GPU supports identical profiles
    • That the model parameter count is an even integer
    • That the Kubernetes pod name contains the profile text
    • That the GPU supports MIG and that exact profile layout