FP8 اور کم صحت سے متعلق فارمیٹس کوئز

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

1. FP8 نمبر معیاری FP32 نمبر کے مقابلے میں کتنے بٹس استعمال کرتا ہے؟
   • 8 بٹس بمقابلہ 16 بٹس (ڈیڑھ)
   • 8 بٹس بمقابلہ 64 بٹس (آٹھواں)
   • 8 بٹس بمقابلہ 32 بٹس (ایک چوتھائی)
   • 8 بٹس بمقابلہ 8 بٹس (ایک ہی)
2. 'E4M3' اور 'E5M2' لیبل FP8 فارمیٹ کے بارے میں کیا بیان کرتے ہیں؟
   • غلطی کی شرح اور ماڈل کا سائز
   • ایکسپوننٹ بٹس کی تعداد بمقابلہ مینٹیسا بٹس
   • گھڑی کی رفتار اور میموری چینل
   • تربیتی دور اور ماڈل پرتیں۔
3. FP8 پائپ لائنز ٹینسر پر اسکیلنگ فیکٹر کیوں لاگو کرتی ہیں؟
   • حفاظت کے لیے وزن کو خفیہ کرنے کے لیے
   • ماڈل تہوں کی تعداد میں اضافہ کرنے کے لئے
   • ماڈل کو ایک مختلف زبان میں تبدیل کرنے کے لیے
   • قدروں کو FP8 کی تنگ نمائندگی کی حد کے اندر رکھنے اور اوور فلو/زیر بہاؤ سے بچنے کے لیے
4. FP8 استعمال کرنے کا بنیادی نقصان کون سا ٹریڈ آف ہے؟
   • کم عددی درستگی (راؤنڈنگ کی غلطیاں)
   • میموری کا زیادہ استعمال
   • آہستہ میٹرکس ضرب
   • کسی بھی GPU پر چلنے سے قاصر ہے۔
5. کس NVIDIA GPU جنریشن نے پہلی بار FP8 میٹرکس ریاضی کے لیے وقف ہارڈ ویئر سپورٹ شامل کیا؟
   • پاسکل (P100)
   • Hopper (H100)
   • Kepler (K80)
   • Maxwell (M40)
6. FP8 سے آگے درست فارمیٹس میں کیا رجحان ہے؟
   • تخمینہ کے لیے 64 بٹ ڈبل درستگی پر واپسی
   • متن کے حق میں فلوٹنگ پوائنٹ کو مکمل طور پر ختم کرنا
   • تمام ماڈل وزن کے لیے صرف FP32 استعمال کرنا
   • یہاں تک کہ نچلے بٹ مائکرو اسکیلنگ فارمیٹس جیسے MXFP4 اور NVFP4
7. A tensor’s values need more dynamic range. Which common FP8 encoding allocates more exponent bits?
   • E5M2
   • E4M3
   • Both allocate zero exponent bits
   • Neither encoding uses an exponent
8. Why can an FP8 result differ from the same operation using FP32 inputs?
   • Eight-bit input storage is automatically exact for every real value
   • FP8 removes all mathematical operations
   • The lower-precision input representation can introduce rounding error
   • Higher-precision accumulation restores every lost input detail