お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
期間 21 時間
コース概要
GPUアクセラレーションコンテナ化の入門
- 深層学習ワークフローにおけるGPUの利用理解
- DockerがGPUベースのワークロードをどのようにサポートするか
- 重要なパフォーマンス上の考慮事項
NVIDIA Container Toolkitのインストールと設定
- ドライバとCUDA互換性のセットアップ
- コンテナ内のGPUアクセスの検証
- ランタイム環境の設定
GPU対応Dockerイメージの構築
- CUDAベースイメージの使用
- GPU対応コンテナでのAIフレームワークのパッケージ化
- 訓練および推論のための依存関係の管理
GPUアクセラレーションAIワークロードの実行
- GPUを使用した訓練ジョブの実行
- マルチGPUワークロードの管理
- GPU使用率のモニタリング
パフォーマンスとリソース割り当ての最適化
- GPUリソースの制限と分離
- メモリ、バッチサイズ、デバイス配置の最適化
- パフォーマンスチューニングと診断
コンテナ化された推論とモデルサービング
- 推論対応コンテナの構築
- GPU上での高負荷ワークロードのサービング
- モデルランナーとAPIの統合
DockerによるGPUワークロードのスケーリング
- 分散型GPU訓練のための戦略
- 推論マイクロサービスのスケーリング
- マルチコンテナAIシステムの調整
GPU対応コンテナのセキュリティと信頼性
- 共有環境での安全なGPUアクセスの確保
- コンテナイメージの強化(ハードニング)
- 更新、バージョン、互換性の管理
まとめと次のステップ
要求
- 深層学習の基本知識
- Pythonおよび一般的なAIフレームワークの使用経験
- 基本的なコンテナ化の概念への熟悉
対象者
- 深層学習エンジニア
- 研究開発チーム
- AIモデルトレーナー
お客様の声 (2)
以前申し上げたように、私のような(経験がない)者にとって、これはこれらのプログラムやツールなどの機能や働きを理解するための入り口となりました。
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
コース - Docker and Kubernetes
機械翻訳
多層型、構造化されたコースプログラム。
Bert Paelinckx - Cube SoftwareSolutions
コース - Introduction to Docker
機械翻訳