ٹینسر کور کوئز

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

1. Tensor Cores کو کس بنیادی ریاضیاتی آپریشن کو تیز کرنے کے لیے خاص طور پر ڈیزائن کیا گیا ہے؟
   • میٹرکس ضرب اور جمع (D = A x B + C)
   • نمبروں کی بڑی فہرستوں کو ترتیب دینا
   • بے ترتیب تعداد پیدا کرنا
   • ڈیٹا کو خفیہ کرنا اور ڈکرپٹ کرنا
2. کس NVIDIA GPU فن تعمیر نے سب سے پہلے ٹینسر کور متعارف کرایا؟
   • پاسکل
   • وولٹا
   • ٹیورنگ
   • میکسویل
3. ٹینسر کور اکثر FP16 یا FP8 کی طرح کم درستگی کیوں استعمال کرتے ہیں؟
   • AI کے لیے قانون کی طرف سے کم درستگی کی ضرورت ہے۔
   • GPU پر زیادہ درستگی ناممکن ہے۔
   • یہ فی گھڑی مزید نمبروں پر کارروائی کرنے دیتا ہے، درستگی کو قابل قبول رکھتے ہوئے تھرو پٹ کو بڑھاتا ہے۔
   • یہ چپ کو جسمانی طور پر چھوٹا بناتا ہے۔
4. درستگی کو محفوظ رکھنے کے لیے، Tensor Cores عام طور پر چلنے والی رقم (جمع) کے لیے کون سی درستگی استعمال کرتے ہیں؟
   • ان پٹ کے طور پر ایک ہی کم صحت سے متعلق
   • کوئی جمع نہیں کیا جاتا ہے۔
   • بغیر کسی کسر کے صرف عدد
   • ایک اعلی صحت سے متعلق جیسے FP32
5. روزمرہ کے AI فریم ورک جیسے PyTorch Tensor Cores کا استعمال کیسے کرتے ہیں؟
   • cuBLAS اور cuDNN جیسی لائبریریاں خود بخود بڑے میٹرکس کو چھوٹے بلاکس میں ٹائل کر دیتی ہیں جو کور پروسیس کر سکتے ہیں۔
   • ڈویلپرز کو ہر ماڈل کے لیے ہاتھ سے لکھنا اسمبلی کرنا چاہیے۔
   • ٹینسر کور صرف حسب ضرورت ہارڈ ویئر کے ساتھ کام کرتے ہیں کوئی سافٹ ویئر نہیں پہنچ سکتا
   • وہ اعلی سطحی فریم ورک کے ذریعہ بالکل بھی استعمال نہیں ہوسکتے ہیں۔
6. بلیک ویل فن تعمیر نے کون سے نئے عددی فارمیٹ میں اضافہ کیا تاکہ انفرنس تھرو پٹ کو اور بھی بلند کیا جا سکے؟
   • FP64 (ڈبل درستگی)
   • FP4 (4 بٹ فلوٹنگ پوائنٹ)
   • ASCII
   • ایف پی 128
7. Why should a team validate model quality when changing Tensor Core input precision?
   • Reduced precision guarantees identical outputs
   • The model’s vocabulary changes automatically
   • Lower-precision arithmetic can change numerical results, so accuracy should be checked for the task
   • Tensor Cores remove all rounding effects
8. Which computer-vision feature is a practical example of Tensor Core acceleration?
   • A database index with no matrix operations
   • A file compressor that never runs a neural network
   • A CPU-only spreadsheet calculation
   • Neural upscaling such as NVIDIA DLSS in games