感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 21 時間:
課程簡介
GPU加速容器化简介
- 理解GPU在深度学习工作流中的使用
- Docker如何支持基于GPU的工作负载
- 关键性能考量
安装与配置NVIDIA容器工具包
- 设置驱动程序与CUDA兼容性
- 验证容器内的GPU访问
- 配置运行时环境
构建支持GPU的Docker镜像
- 使用CUDA基础镜像
- 在GPU就绪容器中打包人工智能框架
- 管理训练与推理的依赖项
运行GPU加速的人工智能工作负载
- 使用GPU执行训练作业
- 管理多GPU工作负载
- 监控GPU利用率
优化性能与资源分配
- 限制与隔离GPU资源
- 优化内存、批量大小与设备放置
- 性能调优与诊断
容器化推理与模型服务
- 构建推理就绪容器
- 在GPU上提供高负载工作负载服务
- 集成模型运行器与API
使用Docker扩展GPU工作负载
- 分布式GPU训练策略
- 扩展推理微服务
- 协调多容器人工智能系统
支持GPU容器的安全性与可靠性
- 确保共享环境中的安全GPU访问
- 加固容器镜像
- 管理更新、版本与兼容性
总结与后续步骤
最低要求
- 了解深度学习基础知识
- 具备Python及常见人工智能框架的使用经验
- 熟悉基本的容器化概念
目标受众
- 深度学习工程师
- 研发团队
- 人工智能模型训练人员
客戶評論 (2)
如前所述,对于像我这样没有经验的人来说,这是了解这些程序/工具等功能与用途的入门途径。
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
課程 - Docker and Kubernetes
機器翻譯
多层次、结构化的课程体系。
Bert Paelinckx - Cube SoftwareSolutions
課程 - Introduction to Docker
機器翻譯