Eğitim İçeriği

GPU Destekli Kapsayıcılaşmanın Girişı

  • Derin öğrenme iş akışlarında GPU kullanımını anlamak
  • Docker'ın GPU tabanlı iş yüklerini nasıl desteklediği
  • Önemli performans dikkat edilmesi gereken noktalar

NVIDIA Kapsayıcı Aracı'nın Kurulumu ve Yapılandırılması

  • Sürücülerin ve CUDA uyumluluğunun kurulması
  • Kapsayıcılar içinde GPU erişiminin doğrulanması
  • Çalışma zamanı ortamının yapılandırılması

GPU Destekli Docker Imajlarının Oluşturulması

  • CUDA temel imajlarını kullanma
  • AI çerçevelerini GPU hazır kapsayıcılar içinde paketleme
  • Eğitim ve çıkarım için bağımlılıkların yönetimi

GPU Destekli AI İş Yüklerinin Çalıştırılması

  • GPUs kullanarak eğitim işlerini çalıştırma
  • Çok GPU iş yüklerinin yönetimi
  • GPU kullanımını izleme

Performans ve Kaynak Tahsisi Optimizasyonu

  • GPU kaynaklarının sınırlandırılması ve izolasyonu
  • Bellek, partiler ve cihaz yerleştirilmesinin optimize edilmesi
  • Performans ayarlaması ve teşhis

Kapsayıcılaştırılmış Çıkarım ve Model Hizmeti Verme

  • Çıkarım hazır kapsayıcılar oluşturma
  • Yüksek yük iş yüklerini GPUs üzerinde hizmete sunma
  • Model çalıştırıcılarını ve API'leri entegre etme

Docker ile GPU İş Yüklerinin Ölçeklendirilmesi

  • Dağıtılmış GPU eğitim için stratejiler
  • Çıkarım mikrohizmetlerini ölçekleme
  • Çok kapsayıcı AI sistemlerinin koordinasyonu

GPU Destekli Kapsayıcılar için Güvenlik ve Dayanıklılık

  • Paylaşılan ortamlarda güvenli GPU erişimini sağlama
  • Kapsayıcı imajlarının güçlendirilmesi
  • Güncellemelerin, sürümlerin ve uyumluluğun yönetimi

Özeti ve Sonraki Adımlar

Kurs İçin Gerekli Önbilgiler

  • Derin öğrenme temellerini anlamak
  • Python ve yaygın AI çerçeveleriyle deneyim sahibi olmak
  • Temel kapsayıcılaşma kavramlarıyla tanışmak

Hedef Kitle

  • Derin öğrenme mühendisleri
  • Araştırma ve geliştirme ekibi üyeleri
  • AI modeli eğitmenleri
 21 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Danışanlarımızın Yorumları (5)

Yaklaşan Etkinlikler

İlgili Kategoriler