گائیڈ سے منسلک کوئز · درمیانہ سطح

ملٹی انسٹینس GPU پارٹیشننگ کوئز

MIG پروفائلز، GPU بمقابلہ کمپیوٹ مثال کے وسائل، اور ڈیوائس کی نمائش کا اطلاق کریں، بشمول معاون ہارڈویئر تقسیم کے انتخاب کا تعین کیوں کرتا ہے۔

متعلقہ گائیڈ کے راستےملٹی انسٹینس GPU پارٹیشن
سوال 1 کی 8

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

ہر سوال کا جائزہ لیں۔8 سوالات

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

  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. MIG سب سے پہلے کس NVIDIA فن تعمیر پر متعارف کرایا گیا تھا؟
    • وولٹا
    • ایمپیئر (A100)
    • ٹیورنگ
    • پاسکل
  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. MIG پروفائل جیسے '1g.5gb' میں، '5gb' کس چیز کی نمائندگی کرتا ہے؟
    • اس مثال کے لیے مختص میموری
    • ایس ایم ایس کی تعداد
    • PCIe بینڈوتھ
    • گھڑی کی رفتار
  5. MIG خاص طور پر کس کام کے بوجھ کے لیے موزوں ہے؟
    • ایک ہی بڑے پیمانے پر ٹریننگ چلانے کے لیے پورے GPU کی ضرورت ہوتی ہے۔
    • ایک سے زیادہ کرایہ دار کا تخمینہ پیش گوئی کے قابل تاخیر کے ساتھ پیش کر رہا ہے۔
    • سی پی یو سے منسلک ڈیٹا پری پروسیسنگ
    • طویل مدتی کولڈ اسٹوریج
  6. کبرنیٹس کلسٹر MIG کی مثالوں کو پوڈز میں کیسے بے نقاب کر سکتا ہے؟
    • خام ڈسک والیوم کے طور پر
    • صرف دستی SSH کے ذریعے
    • شیڈول کے مطابق وسائل جیسے 'nvidia.com/mig-1g.5gb'
    • DNS ریکارڈز کے ذریعے
  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