Contacta con nosotros

Temario del curso

Introducción a la Contenedorización con Aceleración de GPU

  • Comprensión del uso de GPU en flujos de trabajo de aprendizaje profundo
  • Cómo Docker soporta 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 contenedores
  • Configuración del entorno de tiempo de ejecución

Creación de Imágenes Docker Habilitadas para GPU

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

Ejecución de Cargas de Trabajo de IA con Aceleración de GPU

  • Ejecución de trabajos de entrenamiento usando GPUs
  • Gestión de cargas de trabajo con múltiples GPUs
  • Monitoreo del uso 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 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

Escalado de Cargas de Trabajo de GPU con Docker

  • Estrategias para entrenamiento distribuido de GPUs
  • Escalado de microservicios de inferencia
  • Coordinación de sistemas de IA con múltiples contenedores

Seguridad y Confiabilidad para Contenedores Habilitados para GPU

  • Garantizar un acceso seguro a GPU en entornos compartidos
  • endurecimiento de 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 trabajo de IA comunes
  • Familiaridad con los conceptos básicos de contenedores

Público Objetivo

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

Número de participantes


Precio por participante

Testimonios (3)

Próximos cursos

Categorías Relacionadas