Eğitim İçeriği

GPU ile Desteklenmiş Kapsayıcılılık Giriş

  • Derin öğrenme iş akışlarında GPU kullanımını anlama
  • Docker'ın GPU tabanlı iş yüklerini nasıl desteklediği
  • Ana performans dikkate alınması noktaları

NVIDIA Kapsayıcı Araç Seti'nin Kurulumu ve Yapılandırılması

  • Sürücüler ve CUDA uyumluluğunun kurulumu
  • Kapsayıcılar içinde GPU erişiminin doğrulanması
  • Çalışma zamanı ortamının yapılandırılması

GPU Destekli Docker Görüntüleri Oluşturma

  • CUDA temel görüntülerin kullanımı
  • GPU hazır kapsayıcılar içinde AI çerçevelerini paketleme
  • Eğitim ve çıkarım için bağımlılıkları yönetme

GPU İle Desteklenmiş AI İş Yüklerinin Çalıştırılması

  • GPUs kullanarak eğitim işlerini çalıştırma
  • Çoklu-GPU iş yüklerinin yönetimi
  • GPU kullanımının izlenmesi

Performans ve Kaynak Atamasını Optimize Etme

  • GPU kaynaklarının sınırlanması ve izolasyonu
  • Hafıza, partisyon boyutları ve cihaz yerleştirilmesinin optimize edilmesi
  • Performans ayarlaması ve tanı

Kapsayıcılaştırılmış Çıkarım ve Model Servisleri

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

Docker ile GPU İş Yüklerinin Ölçeklendirilmesi

  • Dağıtılmış GPU eğitim için stratejiler
  • Çıkarım mikrohizmetlerinin ölçeklendirilmesi
  • Çoklu-kapsayıcı AI sistemlerinin koordinasyonu

GPU Destekli Kapsayıcılar için Güvenlik ve Dayanıklılık

  • Paylaşılan ortamlarda güvenli GPU erişiminin sağlanması
  • Kapsayıcı görüntülerinin güçlendirilmesi
  • Güncellemeler, sürümler ve uyumluluğun yönetimi

Özet ve Sonraki Adımlar

Kurs İçin Gerekli Önbilgiler

  • Derin öğrenme temellerini anlama
  • Python ve yaygın AI çerçeveleriyle deneyim
  • Temel kapsayıcılaşma kavramlarıyla aşina olma

Hedef Kitle

  • Derin öğrenme mühendisleri
  • Araştırma ve geliştirme takımları
  • AI model eğitmenleri
 21 Saatler

Katılımcı Sayısı


Katılımcı başına fiyat

Danışanlarımızın Yorumları (5)

Yaklaşan Etkinlikler

İlgili Kategoriler