iPAS 備考專區 登入

iPAS AI 應用規劃師題庫・初級・L12 生成式 AI 應用與規劃

iPAS 考題解析某製造業團隊建立瑕疵偵測模型時,使用單張約20MB的高解析度工業影像作為訓練資料,並將所有影像儲存於NAS(Network Attached Storage)中。訓練時透過PyTorch搭配CNN模型於GPU上進行,工程師觀察到GPU使用率僅約20%至30%,整體訓練時間耗費數日。根據上述情境,造成GPU利用率偏低的最可能原因為何?

來源標記:樣題114年9月版

你的作答

解析

正確答案:C. 高解析影像從NAS載入產生I/O(Input/Output)瓶頸,導致GPU等待

20MB 高解析影像從 NAS 網路載入產生 I/O 瓶頸,GPU 大部分時間在等待資料而非計算。

每個選項為什麼對或錯

  • A 模型架構過於複雜,導致反向傳播時間過長 錯誤選項

    模型過於複雜會導致 GPU 使用率高而非低,因為計算量大

  • B 訓練資料品質不穩定,造成模型難以收斂 錯誤選項

    資料品質不穩定影響收斂性但不會直接導致 GPU 使用率偏低

  • C 高解析影像從NAS載入產生I/O(Input/Output)瓶頸,導致GPU等待 正解

  • D 批次大小(Batch Size)設定不當,導致GPU長時間閒置 錯誤選項

    Batch Size 設定不當可能影響效率,但 20MB 大檔案從 NAS 載入的 I/O 瓶頸是更可能的原因

答案、題目或解析有問題?回報這題

題目 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。