引导式测验 · 中等 等级

张量核心测验

涵盖 Tensor Core 矩阵运算、混合精度累加、软件平铺和特定于架构的数字格式。

相关引导路径张量核心
问题 1 的 8

Tensor Core 专门设计用于加速哪些核心数学运算？

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. Tensor Core 专门设计用于加速哪些核心数学运算？
    • 矩阵乘法累加 (D = A x B + C)
    • 对大型数字列表进行排序
    • 随机数生成
    • 加密和解密数据
  2. 哪种 NVIDIA GPU 架构首先引入了 Tensor Core？
    • 帕斯卡
    • 沃尔特
    • 图灵
    • 麦克斯韦
  3. 为什么 Tensor Core 经常使用 FP16 或 FP8 等降低精度？
    • 法律对人工智能的精度要求较低
    • GPU 上不可能实现更高的精度
    • 它允许每个时钟处理更多的数字，提高吞吐量，同时保持可接受的精度
    • 它使芯片的物理尺寸更小
  4. 为了保持准确性，Tensor Core 通常使用什么精度来计算运行总和（累加）？
    • 与输入相同的低精度
    • 不进行累计
    • 仅整数，无分数
    • 更高精度如FP32
  5. 像 PyTorch 这样的日常人工智能框架如何使用 Tensor Core？
    • cuBLAS 和 cuDNN 等库会自动将大型矩阵平铺为核心可以处理的小块
    • 开发人员必须为每个模型手工编写程序集
    • Tensor Core 仅适用于软件无法访问的定制硬件
    • 它们根本不能被高级框架使用
  6. Blackwell 架构添加了哪种新的数字格式来进一步提高推理吞吐量？
    • FP64（双精度）
    • FP4（4 位浮点）
    • ASCII码
    • 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