Plan du cours
Introduction à la conteneurisation accélérée par GPU
- Comprendre l’utilisation du GPU dans les flux de travail d’apprentissage profond
- Comment Docker prend en charge les charges de travail basées sur GPU
- Considérations clés en matière de performance
Installation et configuration du NVIDIA Container Toolkit
- Mise en place des pilotes et de la compatibilité CUDA
- Validation de l’accès au GPU à l’intérieur des conteneurs
- Configuration de l’environnement d’exécution
Création d’images Docker activées par GPU
- Utilisation d’images de base CUDA
- Emballage des cadres IA dans des conteneurs prêts pour le GPU
- Gestion des dépendances pour l’entraînement et l’inférence
Exécution des charges de travail d’IA accélérées par GPU
- Exécution de tâches d’entraînement à l’aide de GPU
- Gestion des charges de travail multi-GPU
- Surveillance de l’utilisation des GPU
Optimisation des performances et de l’allocation des ressources
- Limiter et isoler les ressources GPU
- Optimisation de la mémoire, des tailles de lots et du placement des appareils
- Recherche de performance et diagnostics
Inférence conteneurisée et service de modèles
- Construire des conteneurs prêts pour l’inférence
- Servir des charges de travail à fort débit sur GPU
- Intégration des exécuteurs de modèles et des API
Échelle des charges de travail GPU avec Docker
- Stratégies pour l’entraînement distribué sur GPU
- Échelle des microservices d’inférence
- Coordination des systèmes d’IA multi-conteneurs
Sécurité et fiabilité pour les conteneurs activés par GPU
- Assurer un accès GPU sécurisé dans les environnements partagés
- Renforcer les images de conteneur
- Gestion des mises à jour, des versions et de la compatibilité
Résumé et prochaines étapes
Pré requis
- Une compréhension des fondements de l’apprentissage profond
- Une expérience avec Python et les cadres IA courants
- Une familiarité avec les concepts de base de la conteneurisation
Public cible
- Ingénieurs en apprentissage profond
- Équipes de recherche et développement
- Formateurs de modèles IA
Nos clients témoignent (2)
Comme je l'ai mentionné précédemment, pour quelqu'un comme moi (sans aucune expérience), cela a été une porte d'entrée pour comprendre les fonctionnalités et les capacités de ces programmes/outils, etc.
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
Formation - Docker and Kubernetes
Traduction automatique
programme de formation structuré et organisé en plusieurs niveaux.
Bert Paelinckx - Cube SoftwareSolutions
Formation - Introduction to Docker
Traduction automatique