[源碼解析] 深度學習分布式訓練框架 horovod (20) --- Elastic Training Operator
[源碼解析] 深度學習分布式訓練框架 horovod (20) --- Elastic Training Operator 目錄 [源碼解析] 深度學習分布式訓練框架 horovod (20) --- Elastic Training Operator ...
原文：在 Kubernetes 上彈性深度學習訓練利器 -- Elastic Training Operator
作者 徐曉舟 蕭元 來源 阿里巴巴雲原生公眾號 背景 由於雲計算在資源成本和彈性擴容方面的天然優勢，越來越多客戶願意在雲上構建 AI 系統，而以容器 Kubernetes 為代表的雲原生技術，已經成為釋放雲價值的最短路徑， 在雲上基於 Kubernetes 構建 AI 平台已經成為趨勢。 當面臨較復雜的模型訓練或者數據量大時，單機的計算能力往往無法滿足算力要求。通過使用阿里的 AiACC 或者社 ...
2021-02-19 14:16 0 304 推薦指數：
相關推薦
Kubernetes API 編程利器：Operator 和 Operator Framework
Kubernetes API。內容主要分為三個部分：首先會簡單介紹一下 Operator 相關的知識；然后會介 ...
[源碼解析] 深度學習分布式訓練框架 horovod (14) --- 彈性訓練發現節點 & State
[源碼解析] 深度學習分布式訓練框架 horovod (14) --- 彈性訓練發現節點 & State 目錄 [源碼解析] 深度學習分布式訓練框架 horovod (14) --- 彈性訓練發現節點 & State 0x00 摘要 ...
[源碼解析] 深度學習分布式訓練框架 horovod (17) --- 彈性訓練之容錯
[源碼解析] 深度學習分布式訓練框架 horovod (17) --- 彈性訓練之容錯 目錄 [源碼解析] 深度學習分布式訓練框架 horovod (17) --- 彈性訓練之容錯 0x00 摘要 0x01總體思路 0x02 拋出異常 ...
[源碼解析] 深度學習分布式訓練框架 horovod (13) --- 彈性訓練之 Driver
[源碼解析] 深度學習分布式訓練框架 horovod (13) --- 彈性訓練之 Driver 目錄 [源碼解析] 深度學習分布式訓練框架 horovod (13) --- 彈性訓練之 Driver 0x00 摘要 0x01 角色 ...
[源碼解析] 深度學習分布式訓練框架 horovod (12) --- 彈性訓練總體架構
[源碼解析] 深度學習分布式訓練框架 horovod (12) --- 彈性訓練總體架構 目錄 [源碼解析] 深度學習分布式訓練框架 horovod (12) --- 彈性訓練總體架構 0x00 摘要 0x01 總述 1.1 ...
[源碼解析] 深度學習分布式訓練框架 horovod (18) --- kubeflow tf-operator
[源碼解析] 深度學習分布式訓練框架 horovod (18) --- kubeflow tf-operator 目錄 [源碼解析] 深度學習分布式訓練框架 horovod (18) --- kubeflow tf-operator 0x00 摘要 ...
使用 GPU-Operator 與 KubeSphere 簡化深度學習訓練與 GPU 監控
本文將從 GPU-Operator 概念介紹、安裝部署、深度訓練測試應用部署，以及在 KubeSphere 使用自定義監控面板對接 GPU 監控，從原理到實踐，逐步淺析介紹與實踐 GPU-Operator。 GPU-Operator簡介 眾所周知，Kubernetes 平台通過設備插件框架提供 ...