گائیڈ سے منسلک کوئز · مشکل سطح

CUDA اور GPU پروگرامنگ کوئز

CUDA کے بنیادی تصورات کو چیک کریں، بشمول دانا، SIMT پر عمل درآمد، میموری تک رسائی، مشترکہ میموری، اور اعلیٰ سطح کے GPU پروگرامنگ ٹولز۔

متعلقہ گائیڈ کے راستےCuda اور GPU پروگرامنگ
سوال 1 کی 8

CUDA کی اصطلاح میں، 'کرنل' کیا ہے؟

ہر سوال کا جائزہ لیں۔8 سوالات

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

  1. CUDA کی اصطلاح میں، 'کرنل' کیا ہے؟
    • بہت سے GPU تھریڈز کے ذریعے متوازی طور پر چلنے والا فنکشن
    • آپریٹنگ سسٹم کا بنیادی حصہ
    • میموری چپ کی ایک قسم
    • GPU کا کولنگ سسٹم
  2. SIMT عملدرآمد ماڈل کا کیا مطلب ہے؟
    • سست ان پٹ، بہت سے ٹرانسفرز
    • سنگل انسٹرکشن، ایک سے زیادہ تھریڈز مختلف ڈیٹا پر ایک ہی انسٹرکشن چلاتے ہیں۔
    • ایک تصویر، ایک سے زیادہ بناوٹ
    • ترتیب وار ہدایات، دستی ٹائمنگ
  3. PyTorch اور TensorFlow کو شاذ و نادر ہی صارفین کو خام CUDA لکھنے کی ضرورت کیوں پڑتی ہے؟
    • GPUs صارف کوڈ نہیں چلا سکتے
    • CUDA براہ راست استعمال کرنا غیر قانونی ہے۔
    • وہ آپٹمائزڈ CUDA لائبریریوں جیسے cuDNN اور cuBLAS کو اندرونی طور پر کال کرتے ہیں۔
    • وہ صرف CPUs پر چلتے ہیں۔
  4. 'وارپ ڈائیورجنس' کیا ہے اور یہ کارکردگی کو کیوں نقصان پہنچاتا ہے؟
    • نیٹ ورکنگ کی خرابی جو پیکٹوں کو گرا دیتی ہے۔
    • GPU جسمانی طور پر گرمی کے نیچے جھکتا ہے۔
    • ایک بگ جو میموری کو حذف کرتا ہے۔
    • ایک وارپ میں دھاگے مختلف شاخیں لیتے ہیں اور انہیں سلسلہ وار چلنا چاہیے۔
  5. CUDA میں 'ایک ساتھ' میموری تک رسائی کیوں ضروری ہے؟
    • ملحقہ دھاگوں سے ملحقہ پتوں کو پڑھنا کہیں زیادہ موثر ہے۔
    • یہ ڈیٹا کو خود بخود انکرپٹ کرتا ہے۔
    • یہ ڈسک کی جگہ خالی کرتا ہے۔
    • یہ GPU پرستاروں کو غیر فعال کرتا ہے۔
  6. What is OpenAI Triton in relation to CUDA programming?
    • A CUDA driver that replaces NVIDIA GPUs
    • A Python-like language and compiler for writing efficient GPU kernels
    • A model-serving server that only loads TensorFlow checkpoints
    • A framework that converts GPUs into CPUs
  7. What does a CUDA kernel launch configuration specify?
    • A model tokenizer vocabulary
    • The number of training labels
    • The grid and block dimensions used to organize thread execution
    • The host operating system
  8. Why might a CUDA kernel use shared memory?
    • To make data available across every cluster without communication
    • To replace all registers
    • To store the model permanently on the GPU
    • To let threads in a block reuse data from a faster on-chip memory space