Ponte en Contacto

Temario del curso

Introducción a la contenedorización con aceleración por 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 la GPU dentro de los contenedores
  • Configuración del entorno de tiempo de ejecución

Construcción de imágenes 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 con aceleración por GPU

  • Ejecución de tareas de entrenamiento usando GPUs
  • Gestión de cargas de trabajo multi-GPU
  • Monitoreo de la utilización de la GPU

Optimización del rendimiento y la asignación de recursos

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

Inferencia y servidumbre de modelos en contenedores

  • Construcción 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 multi-contenedor

Seguridad y confiabilidad para contenedores habilitados para GPU

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

Resumen y siguientes pasos

Requerimientos

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

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