Hubungi Kami

Kerangka Materi

Pengantar Kontainerisasi dengan Akselerasi GPU

  • Memahami penggunaan GPU dalam alur kerja deep learning
  • Cara Docker mendukung beban kerja berbasis GPU
  • Pertimbangan kinerja utama

Instalasi dan Konfigurasi NVIDIA Container Toolkit

  • Menyiapkan driver dan kompatibilitas CUDA
  • Memvalidasi akses GPU di dalam kontainer
  • Menyiapkan lingkungan runtime

Membangun Gambar Docker yang Didukung GPU

  • Menggunakan gambar dasar CUDA
  • Pengemasan framework AI dalam kontainer yang siap GPU
  • Manajemen dependensi untuk pelatihan dan inferensi

Menjalankan Beban Kerja AI dengan Akselerasi GPU

  • Mengeksekusi tugas pelatihan menggunakan GPU
  • Manajemen beban kerja multi-GPU
  • Memantau utilisasi GPU

Optimasi Kinerja dan Alokasi Sumber Daya

  • Membatasi dan mengisolasi sumber daya GPU
  • Optimasi memori, ukuran batch, dan penempatan perangkat
  • Pengujian kinerja dan diagnostik

Inferensi dan Penyajian Model Berbasis Kontainer

  • Membangun kontainer yang siap inferensi
  • Menyajikan beban kerja berbeban tinggi di GPU
  • Integrasi model runner dan API

Menskala Beban Kerja GPU dengan Docker

  • Strategi untuk pelatihan GPU terdistribusi
  • Menskala microservice inferensi
  • Menyelaraskan sistem AI multi-kontainer

Keamanan dan Keandalan untuk Kontainer yang Didukung GPU

  • Memastikan akses GPU yang aman di lingkungan bersama
  • Penguatan gambar kontainer
  • Manajemen pembaruan, versi, dan kompatibilitas

Rangkuman dan Langkah Selanjutnya

Persyaratan

  • Pemahaman tentang dasar-dasar deep learning
  • Pengalaman dengan Python dan framework AI umum
  • Pengalaman dengan konsep dasar kontainerisasi

Audience

  • Insinyur deep learning
  • Tim riset dan pengembangan
  • Pelatih model AI
 21 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (3)

Kursus Mendatang

Kategori Terkait