0 / 0

Environnements GPU

Dernière mise à jour : 04 juil. 2025
Environnements GPU dans un projet

Avec les environnements GPU, vous pouvez réduire le temps d'entraînement nécessaire pour les modèles d'apprentissage automatique à traitement intensif que vous créez dans un bloc-notes. Avec une puissance de calcul plus élevée, vous pouvez exécuter d'autres itérations d'entraînement tout en optimisant vos modèles d'apprentissage automatique. Les environnements GPU sont disponibles uniquement pour Python.

Les environnements GPU sont actuellement disponibles pour les utilisateurs de plans Watson Studio Cloud payants dans la région de Dallas. Voir les plans de tarification Watson Studio.

Définitions d'environnement par défaut

Watson Studio offre une définition d'environnement GPU par défaut que vous pouvez utiliser pour commencer à utiliser rapidement Python et GPU dans les outils Watson Studio sans avoir à créer votre propre définition d'environnement.

Nom Configuration matérielle
Default GPU Python 3.8 1/2 x NVIDIA TESLA K80 (1 GPU)
Default GPU Python 3.7 1/2 x NVIDIA TESLA K80 (1 GPU)

Définitions d'environnement GPU

Pour utiliser un environnement GPU avec une autre spécification matérielle que celle fournie par défaut, vous devez en créer une dans laquelle vous pouvez spécifier une taille de matériel maximale de 2 x NVIDIA TESLA K80 (4 GPU).

Vous devez disposer du rôle Administrateur ou Editeur dans le projet pour créer une définition d'environnement.

Pour créer une définition d'environnement GPU :

  1. Sur l'onglet Environnements de votre projet, cliquez sur Nouvelle définition d'environnement.
  2. Entrez un nom et une description.
  3. Sélectionnez le type de configuration d'environnement Processeur graphique.
  4. Sélectionnez la configuration matérielle. Sélectionnez la taille en fonction de la complexité des opérations de modèle et du nombre d'itérations d'entraînement de modèle que vous souhaitez effectuer.
    • 1/2 x NVIDIA Tesla K80 (1 GPU using 1/2 of a NVIDIA graphics card)
    • 1 x NVIDIA Tesla K80 (2 GPU using 1 NVIDIA graphics card)
    • 2 x NVIDIA Tesla K80 (4 GPU using 2 NVIDIA graphics cards)
  5. Sélectionnez la version de logiciel :
    • Default Python 3.7 GPU

    Les détails de la définition d'environnement s'affichent et indiquent notamment le nombre d'unités de capacité consommées par heure pour la taille de matériel choisie. Vous pouvez modifier vos paramètres matériels en survolant les paramètres.

Les définitions d'environnement GPU incluent diverses bibliothèques open source préinstallées. Si vous souhaitez ajouter vos propres bibliothèques personnalisées, vous pouvez créer une personnalisation. Voir Personnalisation des définitions d'environnement.

Utilisation d'environnements GPU dans des blocs-notes

Une fois que vous avez créé une définition d'environnement GPU, vous pouvez choisir d'exécuter votre bloc-notes dans cet environnement lors de la création du bloc-notes.

Dans un projet, vous pouvez créer plusieurs blocs-notes avec la même définition d'environnement GPU. Chaque noyau de bloc-notes s'exécute dans la même instance d'exécution dans ce cas et les ressources sont partagées.

Limitations

Les limitations suivantes existent :

  • Différentes bibliothèques d'apprentissage automatique, telles que TensorFlow, XGBoost et PyTorch, sont préinstallées lors du démarrage de l'environnement d'exécution GPU. Vous pouvez les utiliser pour générer et exécuter des modèles d'apprentissage automatique dans Watson Studio. Cependant, si vous déployez vos modèles sur le service IBM Watson Machine Learning, vous devez vérifier quels sont les frameworks pris en charge pour les déploiements. Voir Infrastructures prises en charge.
  • Les environnements GPU pour les blocs-notes sont disponibles uniquement dans la région de service IBM Cloud de Dallas.
  • Le nombre d'environnements d'exécution GPU qui peuvent être actifs à tout moment ne peut pas dépasser le nombre d'unités GPU de votre cluster.

Etapes suivantes