聯繫我們
 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

人數


每位參與者的報價

客戶評論 (2)

即將到來的課程

課程分類