Тест TensorRT і Inference Engines

Відповіді та пояснення з’являються під час виконання тесту.

1. What is the goal of building an inference engine with TensorRT?
   • Guarantee the fastest possible execution on every system
   • Optimize execution of a supported trained model for the configured target
   • Choose training labels without a dataset
   • Replace every GPU with a CPU
2. Як злиття шарів прискорює висновок?
   • Шляхом об’єднання кількох операцій в одне ядро GPU для зменшення трафіку пам’яті
   • Видаляючи непотрібні шари
   • Запустивши кожен рівень на окремому GPU
   • Шляхом перетворення моделі для роботи на ЦП
3. In a representative-data INT8 calibration workflow, why examine the model’s value distributions?
   • To guarantee no accuracy change under all future inputs
   • To retrain the model from zero automatically
   • To select quantization scales suited to the observed numerical ranges
   • To remove every compatibility requirement
4. Чому скомпільований механізм TensorRT загалом є специфічним для однієї архітектури GPU?
   • Оскільки він зашифрований відповідно до серійного номера графічного процесора
   • Оскільки NVIDIA ліцензує це для кожного пристрою
   • Оскільки він зберігає навчальні дані всередині двигуна
   • Оскільки автоналаштування ядра виконується в найшвидших ядрах для точного розташування ядра та пам’яті цього GPU
5. Яка функція TensorRT-LLM конкретно допомагає ефективно обслуговувати великі мовні моделі?
   • Пакетна (безперервна) у польоті та сторінкова KV-кеш
   • Автоматичне збільшення зображення
   • Вбудований веб-хостинг
   • Звукозаглушення
6. Why evaluate task accuracy after choosing lower-precision TensorRT execution?
   • Lower precision always preserves every output bit
   • Only the model filename affects predictions
   • Reduced numerical precision can change model outputs or quality
   • Accuracy evaluation is needed only during tokenization
7. A TensorRT dynamic-shape engine receives input outside its configured profile range. What should deployment validation check?
   • Whether the engine can accept every shape without a profile
   • Only whether the model name is short
   • Whether training can restart from a screenshot
   • Whether the profile supports that requested shape
8. A TensorRT engine is moved to a different runtime and GPU configuration. What must the team establish?
   • That any serialized engine runs unchanged everywhere
   • That the selected compatibility settings support the new environment
   • That the engine contains all its original training data
   • That every GPU shares one serial number