NCP-ADS 試験問題 6
マルチGPUクラスタ上でトレーニングを行うための深層学習モデルをセットアップしています。モデルの収束性を維持しながら、トレーニング効率を最大化したいと考えています。
効率的なマルチGPUトレーニングを実現するために、以下の戦略のうちどれが最も効果的ですか?
効率的なマルチGPUトレーニングを実現するために、以下の戦略のうちどれが最も効果的ですか?
NCP-ADS 試験問題 7
Apache Parquet形式で保存された大規模なデータセットを処理するために、Daskを搭載したRAPIDSを実行するマルチGPUクラスタを使用しています。実行中に、一部のGPUは十分に活用されていない一方で、他のGPUは過負荷状態になっているため、処理時間が不均一になっていることに気づきました。
GPU間でワークロードを最も効果的に分散させる方法は何ですか?
GPU間でワークロードを最も効果的に分散させる方法は何ですか?
NCP-ADS 試験問題 8
データサイエンティストが、さまざまなスケールと単位で測定されたセンサーデータ(温度、圧力、振動)のデータセットを扱っています。機械学習モデルにすべての特徴量が均等に貢献するようにするには、データを標準化する必要があります。
数値特性を標準化するには、どの方法が最適でしょうか?
数値特性を標準化するには、どの方法が最適でしょうか?
NCP-ADS 試験問題 9
あなたは、複数のGPUを使用して深層学習モデルをトレーニングする大規模な機械学習ワークロードに取り組んでいます。NVIDIA GPUを使用してデータ並列処理を効率的に実装するために、Daskを活用したいと考えています。
この状況において、以下のどの手法がデータ並列処理を最も効果的に実現できるでしょうか?
この状況において、以下のどの手法がデータ並列処理を最も効果的に実現できるでしょうか?
NCP-ADS 試験問題 10
NVIDIA GPUアクセラレーション対応の機械学習モデルをDockerコンテナにデプロイし、アプリケーションがGPUを効率的に活用できるようにしたいと考えています。
Dockerコンテナ内でCUDAの依存関係を管理し、互換性の問題を回避するための最善の方法は何ですか?
Dockerコンテナ内でCUDAの依存関係を管理し、互換性の問題を回避するための最善の方法は何ですか?
