Slurm for AI Training Clusters Quiz

Відповіді та пояснення з’являються під час виконання тесту.

1. Яку команду користувачі зазвичай використовують для надсилання пакетного завдання до Slurm?
   • партія
   • kubectl застосувати
   • запуск докера
   • git push
2. Як завдання Slurm запитує графічні процесори?
   • Шляхом редагування записів DNS
   • За допомогою директиви --gres=gpu
   • Тільки через веб-форму
   • Графічні процесори не можна запитувати в Slurm
3. Який компонент Slurm приймає центральні рішення щодо планування?
   • slurmd
   • бігти
   • slurmctld
   • партія
4. 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
5. Яка мета планування засипки в Slurm?
   • Для виконання коротких завдань у неактивних паузах без затримки роботи з вищим пріоритетом
   • Для видалення старих завдань
   • Для розгону GPU
   • Для шифрування журналів завдань
6. 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
7. Which Slurm daemon normally runs on each compute node to launch tasks and report node status?
   • slurmctld
   • sbatchd
   • slurmd
   • gresctl
8. 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