Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Câu đố về lõi Tensor

Bao gồm các hoạt động ma trận lõi Tensor, tích lũy độ chính xác hỗn hợp, xếp lớp phần mềm và các định dạng số dành riêng cho kiến trúc.

Đường dẫn hướng dẫn liên quanLõi Tensor
Câu hỏi 1 của 8

Hoạt động toán học cốt lõi nào được Tensor Cores thiết kế đặc biệt để tăng tốc?

Xem trước mọi câu hỏi8 câu hỏi

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

  1. Hoạt động toán học cốt lõi nào được Tensor Cores thiết kế đặc biệt để tăng tốc?
    • Ma trận nhân tích lũy (D = A x B + C)
    • Sắp xếp danh sách số lớn
    • Tạo số ngẫu nhiên
    • Mã hóa và giải mã dữ liệu
  2. Kiến trúc GPU NVIDIA nào lần đầu tiên giới thiệu Tensor Cores?
    • Pascal
    • Volta
    • Turing
    • Maxwell
  3. Tại sao Tensor Cores thường sử dụng độ chính xác thấp hơn như FP16 hoặc FP8?
    • Luật pháp yêu cầu độ chính xác thấp hơn đối với AI
    • Độ chính xác cao hơn là không thể trên GPU
    • Nó cho phép xử lý nhiều số hơn trên mỗi đồng hồ, tăng thông lượng trong khi vẫn giữ độ chính xác ở mức chấp nhận được
    • Nó làm cho con chip nhỏ hơn về mặt vật lý
  4. Để duy trì độ chính xác, Tensor Core thường sử dụng độ chính xác nào cho tổng hiện hành (tích lũy)?
    • Độ chính xác thấp tương tự như đầu vào
    • Không có sự tích lũy nào được thực hiện
    • Chỉ số nguyên không có phân số
    • Độ chính xác cao hơn như FP32
  5. Các khung AI hàng ngày như PyTorch tận dụng Tensor Cores như thế nào?
    • Các thư viện như cuBLAS và cuDNN tự động xếp các ma trận lớn thành các khối nhỏ mà lõi có thể xử lý
    • Các nhà phát triển phải viết tay lắp ráp cho mọi mô hình
    • Lõi Tensor chỉ hoạt động với phần cứng tùy chỉnh mà không phần mềm nào có thể tiếp cận được
    • Chúng hoàn toàn không thể được sử dụng bởi các framework cấp cao
  6. Kiến trúc Blackwell đã thêm định dạng số nào mới hơn để đẩy thông lượng suy luận lên cao hơn nữa?
    • FP64 (độ chính xác kép)
    • FP4 (dấu phẩy động 4 bit)
    • ASCII
    • FP128
  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