2025年AWS认证加速计算型实例在深度学习框架下的驱动与库配置专题试卷及解析.pdfVIP

2025年AWS认证加速计算型实例在深度学习框架下的驱动与库配置专题试卷及解析1

2025年AWS认证加速计算型实例在深度学习框架下的驱

动与库配置专题试卷及解析

2025年AWS认证加速计算型实例在深度学习框架下的驱动与库配置专题试卷及

解析

第一部分：单项选择题（共10题，每题2分）

1、在AWSP3实例上配置PyTorch框架时，若需要充分利用NVIDIAV100GPU

的TensorCore功能，应优先选择以下哪种CUDA版本？

A、CUDA9.0

B、CUDA10.1

C、CUDA11.0

D、CUDA12.0

【答案】C

【解析】正确答案是C。CUDA11.0是首个完全支持V100TensorCore功能的稳定

版本，而CUDA9.0和10.1对TensorCore的支持不完整。CUDA12.0虽然更新，但

P3实例的官方推荐最佳实践是CUDA11.0。知识点：CUDA版本与GPU硬件的兼容

性。易错点：容易误选最新版本而忽视硬件兼容性。

2、AWSDLAMI（深度学习AMI）默认包含的cuDNN版本通常是？

A、cuDNN7.6

B、cuDNN8.0

C、cuDNN8.2

D、cuDNN9.0

【答案】C

【解析】正确答案是C。AWSDLAMI的最新稳定版本默认包含cuDNN8.2，这是

与主流深度学习框架兼容性最好的版本。cuDNN7.6已过时，而9.0尚未在DLAMI中

默认集成。知识点：DLAMI的软件栈版本管理。易错点：容易忽略DLAMI的版本更

新节奏。

3、在AWSInf1实例上部署TensorFlow模型时，必须使用的推理加速库是？

A、TensorRT

B、OpenVINO

C、NeuronSDK

D、ONNXRuntime

【答案】C

【解析】正确答案是C。Inf1实例专为AWSInferentia芯片设计，必须使用Neuron

SDK进行模型编译和部署。TensorRT适用于NVIDIAGPU，OpenVINO是Intel的工

2025年AWS认证加速计算型实例在深度学习框架下的驱动与库配置专题试卷及解析2

具，ONNXRuntime是通用框架。知识点：AWS专用硬件的配套软件栈。易错点：容

易混淆不同硬件平台的加速库。

4、当在AWSG4dn实例上运行MXNet时，若遇到”cudaoutofmemory”错误，最

有效的临时解决方案是？

A、升级实例类型

B、减小batchsize

C、切换到CPU模式

D、重启实例

【答案】B

【解析】正确答案是B。减小batchsize是最直接的内存优化方法，其他选项要么

成本过高（升级实例），要么影响性能（CPU模式），要么无效（重启实例）。知识点：

GPU内存管理。易错点：容易忽略batchsize对内存的影响。

5、AWS提供的哪个服务可以自动管理深度学习训练作业的驱动和库版本？

A、SageMakerTraining

B、EC2AutoScaling

C、ECS

D、Lambda

【答案】A

【解析】正确答案是A。SageMakerTraining提供完全托管的环境，自动处理驱动

和库版本。其他服务需要用户自行管理环境。知识点：AWS托管服务的优势。易错点：

容易混淆不同服务的功能范围。

6、在AWSP4d实例上使用PyTorch时，若要启用混合精度训练，应安装的关键

库是？

A、apex

B、torch.cuda.amp

C、tensorrt

D、nccl

【答案】B

【解析】正确答案是B。torch.cuda.amp是PyTorch1.6+内置的混合精度训练模块，

apex是旧方案，tensorrt用于推理，nccl用于通信。知识点：混合精度训练的实现方式。

易错点：容易使用过时的apex库。

7、AWSDeepLearningAMI中预装的NVIDIA驱动版本通常与以下哪