Ponte en Contacto

Temario del curso

Introducción a la contenerización con aceleración por GPU

  • Comprensión del uso de GPU en flujos de trabajo de aprendizaje profundo
  • Cómo Docker admite cargas de trabajo basadas en GPU
  • Consideraciones clave de rendimiento

Instalación y configuración del NVIDIA Container Toolkit

  • Configuración de controladores y compatibilidad con CUDA
  • Validación del acceso a GPU dentro de los contenedores
  • Configuración del entorno de tiempo de ejecución

Construcción de imágenes de Docker habilitadas con GPU

  • Uso de imágenes base de CUDA
  • Empaquetado de marcos de IA en contenedores listos para GPU
  • Gestión de dependencias para entrenamiento e inferencia

Ejecución de cargas de trabajo de IA con aceleración por GPU

  • Ejecución de trabajos de entrenamiento usando GPU
  • Gestión de cargas de trabajo de GPU múltiples
  • Monitoreo de la utilización de GPU

Optimización del rendimiento y la asignación de recursos

  • Limitación y aislamiento de recursos de GPU
  • Optimización de memoria, tamaños de lote y ubicación de dispositivos
  • Ajuste de rendimiento y diagnósticos

Inferencia en contenedores y servicio de modelos

  • Construcción de contenedores listos para inferencia
  • Servicio de cargas de trabajo de alto rendimiento en GPU
  • Integración de ejecutores de modelos y APIs

Escala de cargas de trabajo de GPU con Docker

  • Estrategias para el entrenamiento distribuido de GPU
  • Escala de microservicios de inferencia
  • Coordinación de sistemas de IA de múltiples contenedores

Seguridad y confiabilidad para contenedores habilitados con GPU

  • Asegurar el acceso seguro a GPU en entornos compartidos
  • Endurecimiento de imágenes de contenedor
  • Gestión de actualizaciones, versiones y compatibilidad

Resumen y próximos pasos

Requerimientos

  • Un entendimiento de los fundamentos del aprendizaje profundo
  • Experiencia con Python y marcos de IA comunes
  • Familiaridad con conceptos básicos de contenerización

Público Objetivo

  • Ingenieros de aprendizaje profundo
  • Equipos de investigación y desarrollo
  • Entrenadores de modelos de IA
 21 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas