Bài kiểm tra định dạng FP8 và độ chính xác thấp

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. Số FP8 sử dụng bao nhiêu bit so với số FP32 tiêu chuẩn?
   • 8 bit so với 16 bit (một nửa)
   • 8 bit so với 64 bit (thứ tám)
   • 8 bit so với 32 bit (một phần tư)
   • 8 bit so với 8 bit (giống nhau)
2. Nhãn 'E4M3' và 'E5M2' mô tả gì về định dạng FP8?
   • Tỷ lệ lỗi và kích thước mô hình
   • Số lượng bit lũy thừa so với bit mantissa
   • Tốc độ đồng hồ và kênh bộ nhớ
   • Các giai đoạn đào tạo và các lớp mô hình
3. Tại sao đường ống FP8 áp dụng hệ số tỷ lệ cho tensor?
   • Để mã hóa trọng số để bảo mật
   • Để tăng số lượng lớp mô hình
   • Để chuyển đổi mô hình sang một ngôn ngữ khác
   • Để giữ các giá trị bên trong phạm vi biểu thị hẹp của FP8 và tránh tràn/tràn
4. Sự đánh đổi nào là nhược điểm chính của việc sử dụng FP8?
   • Giảm độ chính xác về số (lỗi làm tròn)
   • Sử dụng bộ nhớ cao hơn
   • Phép nhân ma trận chậm hơn
   • Không thể chạy trên bất kỳ GPU nào
5. Thế hệ GPU NVIDIA nào đầu tiên bổ sung hỗ trợ phần cứng chuyên dụng cho phép toán ma trận FP8?
   • Pascal (P100)
   • Phễu (H100)
   • Kepler (K80)
   • Maxwell (M40)
6. Xu hướng trong các định dạng chính xác vượt ra ngoài FP8 là gì?
   • Trở lại độ chính xác kép 64-bit cho suy luận
   • Loại bỏ hoàn toàn dấu phẩy động có lợi cho văn bản
   • Chỉ sử dụng FP32 cho tất cả trọng lượng mô hình
   • Ngay cả các định dạng chia tỷ lệ vi mô bit thấp hơn như MXFP4 và 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