Lépjen kapcsolatba velünk
 Időtartalma 21 órák

Kurzusleírás

Bevezetés a GPU-gyorsított konténerizációba

  • A GPU-használat megértése a mélytanulási munkafolyamatokban
  • Hogyan támogatja a Docker a GPU-alapú munkaterheléseket
  • Kulcsfontosságú teljesítménybeli szempontok

Az NVIDIA Container Toolkit telepítése és konfigurálása

  • Illesztőprogramok és CUDA-kompatibilitás beállítása
  • GPU-hozzáférés ellenőrzése a konténereken belül
  • A futásidejű környezet konfigurálása

GPU-támogatású Docker-lemezképek összeállítása

  • CUDA-alaplemezképek használata
  • MI-keretrendszerek csomagolása GPU-kész konténerekbe
  • Függőségek kezelése tanításhoz és következtetéshez

GPU-gyorsított MI-munkaterhelések futtatása

  • Tanítási feladatok végrehajtása GPU-k használatával
  • Több GPU-t igénylő munkaterhelések kezelése
  • GPU-kihasználtság figyelése

Teljesítmény és erőforrás-kiosztás optimalizálása

  • GPU-erőforrások korlátozása és elkülönítése
  • Memória, kötegméretek és eszköz-elhelyezés optimalizálása
  • Teljesítményhangolás és diagnosztika

Konténerizált következtetés és modellkiszolgálás

  • Következtetésre kész konténerek összeállítása
  • Nagy terhelésű munkaterhelések kiszolgálása GPU-kon
  • Modellfuttatók és API-k integrálása

GPU-munkaterhelések skálázása Dockerrel

  • Stratégiák elosztott GPU-tanításhoz
  • Következtetési mikroszolgáltatások skálázása
  • Több konténerből álló MI-rendszerek összehangolása

Biztonság és megbízhatóság GPU-támogatású konténerek esetén

  • Biztonságos GPU-hozzáférés biztosítása megosztott környezetekben
  • Konténerlemezképek megerősítése
  • Frissítések, verziók és kompatibilitás kezelése

Összefoglalás és következő lépések

Követelmények

  • A mélytanulás alapjainak ismerete
  • Tapasztalat Pythonnal és elterjedt MI-keretrendszerekkel
  • Alapvető konténerizációs fogalmak ismerete

Célközönség

  • Mélytanulási mérnökök
  • Kutatási és fejlesztési csapatok
  • MI-modell-trénerek

Résztvevők száma


Ár per résztvevő

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák