引導式測驗 · 硬 等級

FP8 和低精度格式測驗

練習 FP8 指數和尾數選擇、縮放比例和硬體要求,包括為什麼較小的數字格式不能保證相同的輸出。

相關引導路徑Fp8 和低精度格式
問題 1 的 8

與標準 FP32 數字相比,FP8 數字使用多少位元?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 與標準 FP32 數字相比,FP8 數字使用多少位元?
    • 8 位 vs 16 位(一半)
    • 8 位與 64 位(八分之一)
    • 8 位與 32 位(四分之一)
    • 8 位 vs 8 位(相同)
  2. 「E4M3」和「E5M2」標籤描述了 FP8 格式的哪些內容?
    • 錯誤率和模型大小
    • 指數位數與尾數位數
    • 時脈速度和記憶體通道
    • 訓練時期和模型層
  3. 為什麼 FP8 管路會將縮放因子應用於張量?
    • 為了安全起見對權重進行加密
    • 增加模型層數
    • 將模型轉換為不同的語言
    • 將數值保持在 FP8 的窄可表示範圍內並避免上溢/下溢
  4. 使用 FP8 的主要缺點是什麼?
    • 數值精度降低(捨入誤差)
    • 更高的記憶體使用率
    • 較慢的矩陣乘法
    • 無法在任何 GPU 上運行
  5. 哪一代 NVIDIA GPU 首先新增了 FP8 矩陣數學的專用硬體支援?
    • 帕斯卡 (P100)
    • 料斗 (H100)
    • 開普勒 (K80)
    • 麥克斯韋 (M40)
  6. 超越 FP8 的精度格式的趨勢是什麼?
    • 返回 64 位雙精度進行推理
    • 完全消除浮點數以支援文本
    • 所有模型權重僅使用 FP32
    • 甚至更低位元的微縮放格式,如 MXFP4 和 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