Início rápido do Caderno de Execução AI

Importante

Este recurso está no Public Preview.

Este guia de iniciação rápida mostra a forma mais rápida de executar código no AI Runtime, a computação sem servidor com GPU para aprendizagem profunda. Ligas um portátil a uma GPU e executas um pequeno passo de treino do PyTorch, sem configuração de cluster.

Sugestão

  • Anexa um notebook a uma GPU sem servidor para começar a executar numa GPU em minutos.
  • Começa com 1xA10 para desenvolvimento, depois aumenta para modelos maiores ou treino distribuído.
  • Não é necessária configuração de cluster, e o ambiente Standard já inclui torch.

Antes de começares

O seu espaço de trabalho deve ter o AI Runtime ativado e estar numa região suportada. Ver Requisitos.

Passo 1: Liga um portátil a uma GPU

  1. Cria ou abre um caderno.
  2. No menu pendente Computação, na parte superior do notebook, selecione Serverless GPU.
  3. No campo Acelerador , selecione 1xA10.
  4. Clica em Aplicar e depois em Confirmar.

Sugestão

Começa com 1xA10 para desenvolvimento e pequenas cargas de trabalho. Passe para 1xH100 ou 8xH100 quando precisar de mais memória de GPU ou de treino distribuído em várias GPUs. Veja Opções de Hardware.

Passo 2: Executa o teu primeiro código de GPU

Execute o seguinte numa célula de notebook para confirmar que a GPU está ligada e execute um passo de treino:

import torch

# Confirm a GPU is attached.
print(torch.cuda.get_device_name(0))

# Run a minimal training step on the GPU.
model = torch.nn.Linear(10, 1).cuda()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)
x, y = torch.randn(32, 10).cuda(), torch.randn(32, 1).cuda()

loss = torch.nn.functional.mse_loss(model(x), y)
loss.backward()
optimizer.step()
print("loss:", loss.item())

Agora estás a utilizar computação sem servidor com GPU.

Passos seguintes

  • Last updated on