Tiếp theoHướng dẫn tiếp theo
Hugging Face Tăng tốc cho việc đào tạo đa GPU
kỹ thuật
HƯỚNG DẪN KỸ THUẬT
Phân vùng GPU đa phiên bản
NVIDIA Multi-Instance GPU partitions supported GPUs into instances with assigned compute and memory resources.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
It can improve sharing for smaller workloads, but profile support and isolation boundaries depend on the GPU and configuration.
Lặn sâu
MIG was introduced with the NVIDIA A100 and is supported on selected later GPUs. A GPU Instance groups compute and dedicated memory resources, including assigned paths through cache and memory hardware. On an A100 40 GB, supported layouts can provide up to seven small GPU Instances or fewer larger ones. Compute Instances can further divide compute resources inside a GPU Instance while sharing its memory resources. This differs from ordinary software time slicing, but does not imply immunity from every device-level fault or interference in the wider host and service. Workload capacity, supported profiles, and operational constraints should be tested on the actual GPU.
Triển khai trong thế giới thực
Nhà cung cấp đám mây chia một A100 thành bảy trường hợp để bảy khách hàng, mỗi trường hợp nhận được một lát GPU riêng biệt, được đảm bảo để suy luận.
Một cụm nghiên cứu của trường đại học cung cấp cho mỗi nghiên cứu sinh tiến sĩ một phiên bản MIG 10 GB để tạo nguyên mẫu thay vì độc quyền toàn bộ thẻ.
Dịch vụ suy luận gói một số mô hình ngôn ngữ và hình ảnh nhỏ vào một H100, mỗi mô hình nằm trong phân vùng riêng với độ trễ có thể dự đoán được.
Cụm Kubernetes quảng cáo các phiên bản MIG dưới dạng tài nguyên có thể lập lịch để các nhóm yêu cầu 'nvidia.com/mig-1g.5gb' giống như bất kỳ tài nguyên nào khác.
Tương lai của việc phân vùng GPU đa phiên bản
Khi GPU tăng lên 80GB, 141GB và hơn thế nữa, việc phân vùng trở nên hấp dẫn hơn vì các mô hình riêng lẻ hiếm khi cần cả một thẻ để suy luận. Mong đợi tích hợp đám mây và Kubernetes chặt chẽ hơn, phân vùng lại động mà không làm tiêu hao nút và cấu hình chi tiết hơn. Các nhà cung cấp cạnh tranh đang theo đuổi công nghệ ảo hóa GPU kiểu SR-IOV tương tự và các nền tảng suy luận không có máy chủ ngày càng dựa vào phân vùng để đóng gói nhiều mô hình một cách dày đặc và cắt giảm lãng phí nhàn rỗi.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Chi phí và ngân sách. Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
- Quyết định rõ ràng hơn. Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
- Kiểm soát chất lượng. Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
coi chừng
- Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu của hệ thống rộng hơn.
- Chi phí cơ sở hạ tầng và bảo trì thường được đánh giá thấp.
- Khoảng cách về bảo mật và khả năng quan sát có thể tăng lên khi hệ thống trở nên phức tạp hơn.
Các bước tiếp theo
- Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
- Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
- Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
- Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the Multi-Instance GPU Partitioning quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
Phân vùng GPU đa phiên bản là gì?
NVIDIA Multi-Instance GPU partitions supported GPUs into instances with assigned compute and memory resources. It can improve sharing for smaller workloads, but profile support and isolation boundaries depend on the GPU and configuration.
Which resource boundary distinguishes separate MIG GPU Instances from software time slicing?
MIG assigns hardware resource slices. Compute Instances within a shared GPU Instance have a different boundary, and device-level faults are not universally eliminated.
MIG được giới thiệu lần đầu tiên trên kiến trúc NVIDIA nào?
MIG ra mắt với A100 dựa trên Ampere và tiếp tục trên H100 và các GPU trung tâm dữ liệu sau này.
On an A100 40 GB using supported small-instance profiles, how many GPU Instances can a layout provide?
The A100 supports layouts of up to seven GPU Instances. Maximum counts and profiles should not be generalized to all GPU models.
Trong cấu hình MIG như '1g.5gb', '5gb' thể hiện điều gì?
Cấu hình mã hóa các lát điện toán (1g) và bộ nhớ chuyên dụng (5GB) được cung cấp cho phiên bản.
MIG đặc biệt phù hợp với khối lượng công việc nào?
MIG tỏa sáng khi nhiều khối lượng công việc nhỏ, biệt lập (như suy luận) dùng chung một thẻ với chất lượng dịch vụ được đảm bảo.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này