引导式测验 · 硬 等级

CUDA 和 GPU 编程测验

检查核心 CUDA 概念，包括内核、SIMT 执行、内存访问、共享内存和更高级别的 GPU 编程工具。

相关引导路径Cuda 与 GPU 编程
问题 1 的 8

在 CUDA 术语中，什么是“内核”？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 在 CUDA 术语中，什么是“内核”？
    • 由多个 GPU 线程并行运行的函数
    • 操作系统的核心
    • 存储芯片的一种
    • GPU的冷却系统
  2. SIMT执行模型是什么意思？
    • 输入慢，传输多
    • 单指令，多线程对不同数据运行相同指令
    • 单个图像，多个纹理
    • 顺序指令、手动计时
  3. 为什么 PyTorch 和 TensorFlow 很少要求用户编写原始 CUDA？
    • GPU 无法运行用户代码
    • 直接使用CUDA是非法的
    • 他们在内部调用优化的 CUDA 库，例如 cuDNN 和 cuBLAS
    • 它们仅在 CPU 上运行
  4. 什么是“扭曲发散”？为什么它会损害性能？
    • 导致数据包丢失的网络错误
    • GPU 在高温下发生物理弯曲
    • 删除内存的错误
    • warp 中的线程采用不同的分支，并且必须串行运行
  5. 为什么“合并”内存访问在 CUDA 中很重要？
    • 相邻线程读取相邻地址的效率要高得多
    • 它自动加密数据
    • 它释放磁盘空间
    • 它禁用 GPU 风扇
  6. What is OpenAI Triton in relation to CUDA programming?
    • A CUDA driver that replaces NVIDIA GPUs
    • A Python-like language and compiler for writing efficient GPU kernels
    • A model-serving server that only loads TensorFlow checkpoints
    • A framework that converts GPUs into CPUs
  7. What does a CUDA kernel launch configuration specify?
    • A model tokenizer vocabulary
    • The number of training labels
    • The grid and block dimensions used to organize thread execution
    • The host operating system
  8. Why might a CUDA kernel use shared memory?
    • To make data available across every cluster without communication
    • To replace all registers
    • To store the model permanently on the GPU
    • To let threads in a block reuse data from a faster on-chip memory space