Genie Kodu'nu AI Çalışma Zamanı ile Kullanın

Important

Bu özellik Genel Önizleme aşamasındadır.

Genie Code, AI Runtime'a bağlı defterlerde derin öğrenme iş yüklerini geliştirmenize ve sorun gidermenize yardımcı olur. Dağıtık eğitim kodu üretebilir, ortam ve bağımlılık sorunlarını çözebilir ve GPU iş yükü hatalarını araştırabilir.

Genie Code, bir yapay zeka Çalışma Zamanı notebookunda sekiz H100 GPU üzerinde dağıtık bir CNN eğitim iş yükü oluşturur ve çalıştırır.

Requirements

Genie Code'u AI Çalışma Zamanı ile kullanmak için:

Get started

  1. Bir Azure Databricks not defteri açın.

  2. Notebook'u AI Runtime'a bağlayın. Bkz. Yapay Zeka Çalışma Zamanına Bağlanın.

  3. Genie Code panelini aç.

  4. Geliştirmek istediğiniz iş yükünü veya çözmek istediğiniz sorunu anlatın.

  5. Önerilen planı, kod değişikliklerini ve eylemleri onaylamadan önce gözden geçirin.

    Important

    Genie Code hata yapabilir. Oluşturulan kodları, ortam değişikliklerini ve önerilen diğer eylemleri çalıştırmadan önce gözden geçirin. Bazı tanılar ek loglar veya iş yükü bağlamı gerektirir.

Genie Code nelerle yardımcı olabilir?

Dağıtık eğitim iş yükleri geliştirin

Genie Code, AI Çalışma Zamanı için eğitim kodu oluşturabilir veya güncelleyebilir. Uygun bir PyTorch dağıtık strateji seçmenize, paketten serverless_gpu API'yi @distributed kullanmanıza ve veri yükleme, kontrol noktası oluşturma ve MLflow takibi için AI Çalışma Zamanı desenlerini uygulamanıza yardımcı olabilir. API detayları ve örnekler için Notebooklarda Dağıtılmış Eğitim bölümüne bakınız.

Ortam ve bağımlılık sorunlarını çöz

Genie Code mevcut ortamı inceleyebilir, paket uyumluluğu hatalarını kod veya API değişikliklerinden ayırt edebilir ve hedefe yönelik düzeltmeler önerebilir. Ayrıca, iş yükünüzün bağımlılıklarına göre Databricks AI ile Standard ortamları arasında seçim yapmanızda da yardımcı olabilir. Mevcut ortamlar hakkında bilgi için Ortamınızı Kurulum sayfasına bakınız.

GPU ve dağıtık iş yüklerini hata ayıklayın

Genie Code, dağıtık eğitim hatalarını, iletişim hatalarını, eğitim takıntılarını ve GPU bellek sorunlarını araştırmak için notebook çıktısı ve mevcut logları kullanabilir. Bu, orijinal arızayı belirlemeye ve onu diğer işlem sıralarındaki sonraki hatalardan ayırt etmeye yardımcı olabilir. Dağıtık eğitim günlüklerinin görüntülenmesiyle ilgili bilgi için Deney takibi ve gözlemlenebilirlik bölümünü inceleyebilirsiniz.

Örnek komutlar

Dağıtık eğitim iş yükleri geliştirin

  • "Bu defteri, AI Runtime'da sekiz H100 GPU'nun tamamında dağıtık eğitim çalıştıracak şekilde güncelleyin."
  • Bu dağıtık eğitim notebook’unu inceleyin ve serverless_gpu ile MLflow kullanımını düzeltin.
  • "Bu eğitim iş yükünü Yapay Zeka Çalışma Zamanına uyarla ve önemli değişiklikleri açıkla."

Ortam ve bağımlılık sorunlarını çöz

  • "Bu defter, yeni bir paket yükledikten sonra çalışmayı durdurdu. Ortamı inceleyin ve sorunun bir bağımlılık sorunu mu yoksa kod API değişikliği mi olduğunu belirleyin."
  • "Bu iş yükü Databricks yapay zekasını mı yoksa Standart ortamı mı kullanmalı? Bağımlılıklarını gözden geçirin ve herhangi bir şeyi değiştirmeden önce bir ortam önerin."
  • "Bu paket uyumluluk hatasını teşhis et ve en küçük uygun değişikliği öner."

GPU ve dağıtık iş yüklerini hata ayıklayın

  • "Bu başarısız dağıtık eğitim çalışmasını her rütbeden mevcut çıktıyı kullanarak analiz edin ve kök nedenini belirleyin."
  • "Bu dağıtık iş yükü neden duruyor? Bir sonraki hata ayıklama adımını önermek için notebook çıktısını kullanın."
  • "Bu GPU bellek arızasını araştırın ve kanıta dayalı bir sonraki adımı önerin."

Ek kaynaklar

  • Last updated on