Ambienti GPU
Con gli ambienti GPU, è possibile ridurre il tempo di formazione necessario per i modelli di apprendimento automatico ad alta intensità di calcolo creati in un notebook. Con una maggiore potenza di calcolo, è possibile eseguire più iterazioni di addestramento e perfezionare i modelli di apprendimento automatico. Gli ambienti GPU sono disponibili solo per Python.
Gli ambienti GPU sono attualmente disponibili per gli utenti dei piani Watson Studio Cloud a pagamento nella regione di Dallas. Vedere il Watson Studio pricing plans.
- Definizioni predefinite dell'ambiente
- Definizioni dell'ambiente GPU
- Utilizzo degli ambienti GPU nei notebook
- limitazioni
Definizioni predefinite dell'ambiente
Watson Studio offre una definizione di ambiente GPU predefinita che è possibile utilizzare per iniziare rapidamente a utilizzare Python e la GPU negli strumenti di Watson Studio senza dover creare una propria definizione di ambiente.
| Nome | Configurazione hardware |
|---|---|
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) |
Definizioni dell'ambiente GPU
Per utilizzare un ambiente GPU con specifiche hardware diverse da quelle fornite di default, è necessario crearne uno nuovo in cui è possibile specificare una dimensione hardware fino a 2 x NVIDIA TESLA K80 (4 GPU).
Per creare una definizione di ambiente è necessario avere il ruolo di amministratore o di redattore all'interno del progetto.
Per creare una definizione di ambiente GPU:
- Dalla scheda Ambienti del progetto, fare clic su Nuova definizione di ambiente.
- Inserire un nome e una descrizione.
- Selezionare il tipo di configurazione dell'ambiente GPU.
- Selezionare la configurazione hardware. Selezionare la dimensione in base alla complessità delle operazioni del modello e al numero di iterazioni di addestramento del modello che si desidera eseguire.
- 1/2 x NVIDIA Tesla K80 (1 GPU che utilizza 1/2 di una scheda grafica NVIDIA)
- 1 x NVIDIA Tesla K80 (2 GPU utilizzando 1 scheda grafica NVIDIA)
- 2 x NVIDIA Tesla K80 (4 GPU utilizzando 2 schede grafiche NVIDIA)
- Selezionare la versione del software:
- GPU predefinita di Python 3.7
Vengono visualizzati i dettagli della definizione dell'ambiente, compreso il numero di unità di capacità consumate all'ora per la dimensione hardware scelta. È possibile modificare le impostazioni hardware passando il mouse sull'impostazione.
Le definizioni dell'ambiente GPU includono una serie di librerie open source preinstallate. Se si desidera aggiungere librerie personalizzate, è possibile creare una personalizzazione. Vedere Personalizzazione delle definizioni di ambiente.
Utilizzo degli ambienti GPU nei notebook
Dopo aver creato una definizione di ambiente GPU, è possibile scegliere di eseguire il notebook in tale ambiente al momento della creazione del notebook.
In un progetto, è possibile creare più notebook con la stessa definizione di ambiente GPU. In questo caso, ogni kernel di notebook viene eseguito nella stessa istanza di runtime e le risorse sono condivise.
Limitazioni
Esiste la seguente limitazione:
- All'avvio del runtime GPU sono preinstallate diverse librerie di apprendimento automatico come TensorFlow, XGBoost e PyTorch, che possono essere utilizzate per costruire ed eseguire modelli di apprendimento automatico in Watson Studio. Tuttavia, se si distribuiscono i modelli al servizio IBM Watson Machine Learning, è necessario verificare quali framework sono supportati per le distribuzioni. Vedere Framework supportati.
- Gli ambienti GPU per i notebook sono disponibili solo nell'area di servizio IBM Cloud di Dallas.
- Il numero di runtime dell'ambiente GPU attivi in qualsiasi momento non può superare il numero di unità GPU del cluster.