Contacta con nosotros

Temario del curso

Introducción a la Contenedurización Acelerada 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 de NVIDIA Container Toolkit

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

Construcción de Imágenes Docker Habilitadas para GPU

  • Uso de imágenes base con 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 trabajos de entrenamiento utilizando 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 colocación de dispositivos
  • Afinación del 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 GPU con Docker

  • Estrategias para entrenamiento distribuido de GPU
  • 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 la GPU en entornos compartidos
  • Fortificación 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 conceptos básicos de contenedores

Audiencia

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

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas