Implantar VMs com GPU no dispositivo GPU do Azure Stack Edge Pro
Artigo
APLICA-SE A:Azure Stack Edge Pro - GPUAzure Stack Edge Pro 2Azure Stack Edge Pro R
Este artigo mostra como criar uma VM com GPU no portal do Azure ou usando os modelos do Azure Resource Manager.
Use o portal do Azure para implantar rapidamente uma única VM com GPU. Você pode instalar a extensão de GPU durante ou após a criação da VM. Ou use os modelos do Azure Resource Manager para implantar e gerenciar com eficiência várias VMs com GPU.
Criar VMs com GPU
Você pode implantar uma VM com GPU por meio do portal ou usando modelos do Azure Resource Manager.
Se o dispositivo estiver executando o Kubernetes, não configure o Kubernetes antes de implantar suas VMs com GPU. Se você configurar o Kubernetes primeiro, ele reivindica todos os recursos de GPU disponíveis e a criação da VM com GPU falhará. Para considerações sobre a implantação do Kubernetes em dispositivos com 1 GPU e 2 GPU, consulte VMs com GPU e Kubernetes.
Na guia Básico, selecione um tamanho de VM da série N, otimizado para GPUs. Com base no modelo de GPU em seu dispositivo, NVIDIA T4 ou NVIDIA A2, a lista suspensa exibirá os tamanhos correspondentes de VM de GPU com suporte.
Para instalar a extensão de GPU durante a implantação, na guia Avançado, escolha Selecionar uma extensão para instalar. Em seguida, selecione uma extensão de GPU para ser instalada. As extensões de GPU só estão disponíveis para uma máquina virtual com um tamanho de VM a partir da série N.
Observação
Se você estiver usando uma imagem do Red Hat, precisará instalar a extensão de GPU após a implantação da VM. Siga as etapas em Instalar extensão de GPU.
A guia Avançado mostra a extensão selecionada.
Depois que a VM com GPU for criada com êxito, você poderá exibir essa VM na lista de máquinas virtuais em seu recurso do Azure Stack Edge no portal do Azure.
Selecione a VM e faça um drill down nos detalhes. Certifique-se de que a extensão de GPU mostre o status de Êxito.
Siga estas etapas ao implantar VMs com GPU em seu dispositivo usando modelos do Azure Resource Manager:
Antes de implantar VMs no dispositivo Azure Stack Edge, é necessário configurar seu cliente para se conectar ao dispositivo via Azure Resource Manager sobre o Azure PowerShell. Para obter instruções detalhadas, consulte Conectar-se a Azure Resource Manager no dispositivo Azure Stack Edge.
Ao especificar tamanhos de VM com GPU, use a série NCasT4-v3 no CreateVM.parameters.json, que tem suporte para VMs com GPU. Para obter mais informações, confira Tamanhos de VM compatíveis com VMs de GPU.
"vmSize": {
"value": "Standard_NC4as_T4_v3"
},
Depois que a VM com GPU for criada com êxito, você poderá exibir essa VM na lista de máquinas virtuais em seu recurso do Azure Stack Edge no portal do Azure.
Selecione a VM e faça um drill down nos detalhes. Copie o endereço IP alocado para a VM.
Ao atualizar a versão de software do dispositivo de 2012 para posterior, você precisará interromper manualmente as VMs com GPU.
Instalar a extensão de GPU após a implantação
Para aproveitar as funcionalidades de GPU das VMs da série N do Azure, instale os drivers de GPU NVIDIA. No portal do Azure, você pode instalar a extensão de GPU durante ou após a implantação da VM. Se você estiver usando modelos, instalará a extensão de GPU depois de criar a VM.
Não é possível remover uma extensão de GPU por meio do portal. Em vez disso, use o cmdlet Remove-AzureRmVMExtension no Azure PowerShell. Para obter instruções, consulte Remover extensão de GPU
Ao criar uma VM com GPU usando modelos, instale a extensão de GPU após a implantação. Para ver as etapas detalhadas de como usar modelos para implantar uma extensão de GPU em uma máquina virtual Windows ou Linux, consulte Instalar extensão de GPU.
O Azure HPC é uma funcionalidade de nuvem criada com finalidade para a carga de trabalho de IA e HPC, usando processadores de ponta e interconexão InfiniBand da classe HPC para fornecer o melhor desempenho, escalabilidade e valor do aplicativo. O Azure HPC permite que os usuários obtenham inovação, produtividade e agilidade empresarial, por meio de uma variedade altamente disponível de tecnologias de HPC e IA que podem ser alocadas dinamicamente conforme as suas necessidades técnicas e empresariais mudam. E