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?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
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