문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
기간 21 시간
코스 개요
GPU 가속 컨테이너화 소개
- 딥러닝 워크플로우에서의 GPU 사용 이해
- Docker가 GPU 기반 워크로드를 지원 방식
- 주요 성능 고려 사항
NVIDIA Container Toolkit 설치 및 구성
- 드라이버 및 CUDA 호환성 설정
- 컨테이너 내부의 GPU 접근 권한 검증
- 런타임 환경 구성
GPU 지원 Docker 이미지 구축
- CUDA 기반 이미지 활용
- GPU 준비된 컨테이너에 AI 프레임워크 패키징
- 훈련 및 추론을 위한 의존성 관리
GPU 가속 AI 워크로드 실행
- GPU를 활용한 훈련 작업 실행
- 다중 GPU 워크로드 관리
- GPU 사용률 모니터링
성능 및 자원 할당 최적화
- GPU 자원 제한 및 격리
- 메모리, 배치 크기 및 디바이스 배치 최적화
- 성능 튜닝 및 진단
컨테이너화된 추론 및 모델 서빙
- 추론 준비 컨테이너 구축
- GPU에서 고부하 워크로드 서빙
- 모델 러너 및 API 통합
Docker를 통한 GPU 워크로드 확장
- 분산 GPU 훈련 전략
- 추론 마이크로서비스 확장
- 다중 컨테이너 AI 시스템 조정
GPU 지원 컨테이너의 보안 및 신뢰성
- 공유 환경에서의 안전한 GPU 접근 보장
- 컨테이너 이미지 강화
- 업데이트, 버전 및 호환성 관리
요약 및 다음 단계
요건
- 딥러닝 기초에 대한 이해
- Python 및 일반 AI 프레임워크 사용 경험
- 기본 컨테이너화 개념에 대한 친숙함
대상 고객
- 딥러닝 엔지니어
- 연구 및 개발(R&D) 팀
- AI 모델 트레이너
회원 평가 (2)
전에 말씀드린 대로, 저처럼 경험치가 전혀 없는 사람에게는 이러한 프로그램과 도구 등의 기능과 작동 방식을 이해할 수 있는 첫걸음이었습니다.
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
코스 - Docker and Kubernetes
기계 번역됨
다층적이고 구조화된 학습 프로그램입니다.
Bert Paelinckx - Cube SoftwareSolutions
코스 - Introduction to Docker
기계 번역됨
