Ponte en Contacto
 Duración 21 horas

Temario del curso

Introducción a la contenerización acelerada por GPU

  • Entendiendo el uso de la GPU en los flujos de trabajo de aprendizaje profundo
  • Cómo Docker soporta las cargas de trabajo basadas en GPU
  • Consideraciones clave de rendimiento

Instalación y configuración del Kit de Herramientas de Contenedores de NVIDIA

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

Creación de imágenes de Docker habilitadas para 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 aceleradas por GPU

  • Ejecución de tareas de entrenamiento utilizando GPUs
  • Gestión de cargas de trabajo de GPU múltiple
  • Monitoreo del uso de la GPU

Optimización del rendimiento y la asignación de recursos

  • Limitación y aislamiento de recursos de GPU
  • Optimización de la memoria, tamaños de lote y ubicación del dispositivo
  • Ajuste de rendimiento y diagnóstico

Inferencia en contenedores y servicio de modelos

  • Creación de contenedores listos para inferencia
  • Servicio de cargas de trabajo de alta demanda en GPUs
  • 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 con múltiples contenedores

Seguridad y fiabilidad para contenedores habilitados para GPU

  • Garantizar un acceso seguro a la GPU en entornos compartidos
  • Endurecimiento de las imágenes de contenedores
  • Gestión de actualizaciones, versiones y compatibilidad

Resumen y próximos pasos

Requerimientos

  • Comprensión de los fundamentos del aprendizaje profundo
  • Experiencia con Python y marcos de IA comunes
  • Conocimiento de los conceptos básicos de contenerización

Audiencia

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

Número de participantes


Precio por participante

Reseñas (2)

Próximos cursos

Categorías Relacionadas