绑定手机号
获取验证码
确认绑定
提问
0/255
提问
订阅开课提醒需关注服务号
回答成功
知道了
扫码关注智东西公开课服务号登录
请使用微信扫描二维码
扫描二维码分享给微信好友
您已订阅成功,有新课程,我们将第一时间提醒您。
知道了
发送提问成功
回答可在
“我的——我的提问”中查看
知道了
失败
利用GPU虚拟化技术搭建易用可扩展的深度学习环境
2019/05/17 19:00:00
课程讲师
马庆胜 NVIDIA 教育科研与高性能计算业务总经理

主要负责NVIDIA中国区高校和科研领域以及超算中心的业务,并整合和发展合作伙伴以及ISVs在该领域的整体生态体系。在IT行业已有超过20年的经验,在加入NVIDIA之前,曾在Microsoft, Novell, SUSE 和 Redhat中担任高级职位。

马庆胜
NVIDIA 教育科研与高性能计算业务总经理

主要负责NVIDIA中国区高校和科研领域以及超算中心的业务,并整合和发展合作伙伴以及ISVs在该领域的整体生态体系。在IT行业已有超过20年的经验,在加入NVIDIA之前,曾在Microsoft, Novell, SUSE 和 Redhat中担任高级职位。

张洁 NVIDIA GPU虚拟化高级解决方案架构师

主要负责NVIDIA在国内的GPU虚拟化解决方案技术支持,有超过10年虚拟化经验,擅长GPU虚拟化、服务器虚拟化、桌面虚拟化以及应用虚拟化等各种虚拟化解决方案。

张洁
NVIDIA GPU虚拟化高级解决方案架构师

主要负责NVIDIA在国内的GPU虚拟化解决方案技术支持,有超过10年虚拟化经验,擅长GPU虚拟化、服务器虚拟化、桌面虚拟化以及应用虚拟化等各种虚拟化解决方案。

课程提纲
  • NVIDIA GPU虚拟化技术原理与功能介绍
  • 搭建深度学习环境的常见方法
  • 如何利用NVIDIA GPU虚拟化方案构建深度学习环境
  • NVIDIA GPU虚拟化技术搭建深度学习教学平台一体机的优势
课程简介

工欲善其事,必先利其器。想要从事深度学习相关的工作或者研究,除了要具备基本的专业理论知识,还需要搭建合适的深度学习开发环境,理论与实践结合才能推动技术的不断进步,使得产业化落地成为可能。那么如何搭建一个合适的深度学习开发环境呢?

以教育行业为例,现在越来越多的高校开设了人工智能相关的课程,除了理论基础知识,学生也需要在实际开发环境中进行实训,而这些环境大部分都是在GPU的基础上搭建的。但是在实训过程中为每个学生提供一个单独的物理GPU显然是不合理的,一来成本太高,二来造成了计算资源的浪费。而利用GPU虚拟化技术就可以很好的解决这个问题。

传统的GPU虚拟化技术是指对物理GPU进行虚拟切割,分配给不同的虚拟机使用,从而实现计算资源的灵活分配和最大化利用。2018年10月,NVIDIA发布vGPU(GPU虚拟化)7.X版本,在传统”一虚多“切片的基础上,vGPU 7.X新增了将多个物理GPU分配给某一个虚拟机的特性,不仅可以实现资源共享,还可以满足用户对高算力的要求。此外,vGPU 7.X还加入了AI特性,在vGPU上,用户可以借助NVIDIA GPU Cloud,快速部署人工智能相关的业务负载。

有了GPU虚拟化技术之后,老师可以借助GPU虚拟化技术的“一虚多”特性,为每个学生提供一个虚拟GPU来完成实训,不仅在一定程度上降低了用户成本,也提高了GPU资源的利用率。在教学之余,老师还可以利用vGPU 7.X的新特性,将不同物理GPU资源聚合在一起提供给某一个虚拟机使用,来为科研工作提供高算力支持,利用vGPU实现GPU资源的管理。

5月17日晚7点,NVIDIA专场第22讲将开讲,由NVIDIA教育科研与高性能计算业务总经理马庆胜、NVIDIA GPU虚拟化高级解决方案架构师张洁共同主讲,主题为《利用GPU虚拟化技术搭建易用可扩展的深度学习环境——首次深度解析NVIDIA深度学习教学一体化平台》。

在本次讲解中,马庆胜、张洁两位老师将从NVIDIA GPU虚拟化技术的原理、最新特性以及如何利用GPU虚拟化技术搭建深度学习环境等方面为我们带来系统讲解。

精彩问答
提问
提问
目前还没有问题,可以点击右侧的“提问按钮”提问
更多问题...