0 / 0

GPU 환경

마지막 업데이트 날짜: 2025년 7월 04일
프로젝트의 GPU 환경

GPU 환경에서는 노트북에서 작성하는 컴퓨팅 집약적 기계 학습 모델에 필요한 훈련 시간을 줄일 수 있습니다. 더 강화된 컴퓨팅 파워로 기계 학습 모델을 세부 조정하면서 더 많은 훈련 반복을 실행할 수 있습니다. GPU 환경은 Python에만 사용할 수 있습니다.

GPU 환경은 현재 달라스 지역에 있는 유료 Watson Studio Cloud 플랜 사용자가 사용할 수 있습니다. Watson Studio 가격 플랜을 참조하십시오.

기본 환경 정의

Watson Studio는 자체 환경 정의를 작성하지 않고 Watson Studio 도구에서 Python 및 GPU를 신속하게 시작할 때 사용할 수 있는 기본 GPU 환경 정의를 제공합니다.

이름 하드웨어 구성
Default GPU Python 3.8 1/2 x NVIDIA TESLA K80(1GPU)
Default GPU Python 3.7 1/2 x NVIDIA TESLA K80(1GPU)

GPU 환경 정의

기본적으로 제공되는 것과 다른 하드웨어 스펙으로 GPU 환경을 사용하려면 최대 2 x NVIDIA TESLA K80(4GPU)의 하드웨어 크기를 지정할 수 있는 새 GPU 환경 정의를 작성해야 합니다.

환경 정의를 작성하려면 프로젝트에서 관리자 또는 편집자 역할이 있어야 합니다.

GPU 환경 정의를 작성하려면 다음을 수행하십시오.

  1. 프로젝트의 환경 탭에서 새 환경 정의를 클릭하십시오.
  2. 이름과 설명을 입력하십시오.
  3. GPU 환경 구성 유형을 선택하십시오.
  4. 하드웨어 구성를 선택하십시오. 수행하려는 모델 훈련 반복 수와 모델 오퍼레이션의 복잡도에 따라 크기를 선택하십시오.
    • 1/2 x NVIDIA Tesla K80(NVIDIA 그래픽 카드의 1/2를 사용하는 1GPU)
    • 1 x NVIDIA Tesla K80(1개 NVIDIA 그래픽 카드를 사용하는 2GPU)
    • 2 x NVIDIA Tesla K80(2개 NVIDIA 그래픽 카드를 사용하는 4GPU)
  5. 소프트웨어 버전을 선택하십시오.
    • 기본 Python 3.7 GPU

    선택한 하드웨어 크기에 시간당 소비되는 용량 단위를 포함하여 환경 정의 세부사항이 표시됩니다. 설정 위로 커서를 이동하여 하드웨어 설정을 변경할 수 있습니다.

GPU 환경 정의에는 다양한 사전 설치된 오픈 소스 라이브러리가 포함됩니다. 자체 사용자 정의 라이브러리를 추가하려는 경우 사용자 정의를 작성할 수 있습니다. 환경 정의 사용자 정의를 참조하십시오.

노트북에서 GPU 환경 사용

GPU 환경 정의를 작성했으면 노트북을 작성할 때 해당 환경에서 노트북을 실행하도록 선택할 수 있습니다.

프로젝트에서 동일한 GPU 환경 정의로 둘 이상의 노트북을 작성할 수 있습니다. 모든 노트북 커널은 이 경우와 동일한 런타임 인스턴스에서 실행되고 리소스는 공유됩니다.

제한사항

다음 제한사항이 있습니다.

  • TensorFlow, XGBoost 및 PyTorch와 같은 다른 기계 학습 라이브러리는 GPU 런타임이 시작될 때 미리 설치되고, 이는 Watson Studio에서 기계 학습 모델을 빌드하고 실행할 때 사용할 수 있습니다. 그러나 모델을 IBM Watson Machine Learning 서비스에 배포하는 경우, 어떤 프레임워크가 배포에 지원되는지 확인해야 합니다. 지원되는 프레임워크를 참조하십시오.
  • 노트북을 위한 GPU 환경은 Dallas IBM Cloud 서비스 지역에서만 사용할 수 있습니다.
  • 언제든지 활성화할 수 있는 GPU 환경 수는 사용자 클러스터의 GPU 장치 수를 초과할 수 없습니다.

다음 단계