Preguntas frecuentes sobre Intelligent Computing Lingjun - Intelligent Computing LINGJUN

Este tema responde las preguntas frecuentes sobre Intelligent Computing Lingjun.

P: ¿Cómo creo y elimino grupos de nodos en un clúster?

Existen dos formas de crear grupos para un clúster de Lingjun.
- Cree un grupo durante la creación del clúster.
- Cree un grupo para un clúster existente.
  1. En el panel de navegación izquierdo, seleccione Resources & Nodes > Cluster Management.
  2. Haga clic en el ID o nombre del clúster correspondiente y luego haga clic en la pestaña Node Groups.
  3. Haga clic en Create Group e introduzca la información, como el nombre del grupo y el tipo de instancia predeterminado.
  4. (Opcional) Una vez creado el grupo, edite su nombre o elimínelo.
Para eliminar un grupo de nodos:
1. En el panel de navegación izquierdo, elija Resources & Nodes > Cluster Management.
2. Haga clic en el Cluster ID/Name de destino.
3. Haga clic en la pestaña Node Groups.
4. En la columna Actions del grupo de nodos de destino, haga clic en Delete.
5. En el cuadro de diálogo que aparece, haga clic en OK.

P: ¿Por qué debo eliminar todos los nodos antes de eliminar un clúster?

Primero debe reducir el clúster a cero nodos para poder eliminarlo. Para obtener instrucciones detalladas, consulte Delete Cluster.

P: ¿Por qué el aprendizaje profundo y las redes neuronales requieren GPU?

A continuación se comparan las GPU y las CPU.

Elemento	GPU	CPU
Arithmetic logic unit (ALU)	Contains numerous arithmetic logic units, making it excellent for large-scale parallel computations.	Contains a few powerful arithmetic logic units.
Control unit	Has a simpler control unit.	Features a complex control unit.
Cache	Has a smaller cache that is used for servicing threads, not for storing accessed data.	Has a large cache to store data, which improves access speed and reduces latency.
Response method	Processes tasks in batches.	Provides real-time responses and processes individual tasks quickly.
Scenarios	Ideal for compute-intensive, highly similar, and multithreaded parallel workloads that require high throughput.	Suitable for logic-intensive serial computing workloads that require low latency.

Las GPU destacan en los cálculos paralelos. Utilice métodos de programación paralela para acelerar los cálculos con GPU. Una red neuronal es altamente paralela, por lo que resulta ideal para el cálculo con GPU. Un ejemplo típico es la convolución, donde cada cálculo es independiente. Muchos cálculos de una red neuronal se dividen fácilmente en cálculos más pequeños e independientes.

P: ¿En qué se diferencia Intelligent Computing Lingjun del hosting estándar de GPU?

Intelligent Computing Lingjun clusters use a system architecture and multi-layered performance optimization technologies designed specifically for large-scale AI computing. In highly parallel computing scenarios, such as natural language processing, autonomous driving model training, and recommendation engines, Intelligent Computing Lingjun can reduce training time and costs and help you build larger, more complex models compared to a standard GPU hosting service.

P: ¿Necesito instalar controladores de GPU después de crear un clúster?

La imagen del sistema operativo de los nodos de cómputo de Lingjun ya incluye los controladores de GPU. Ejecute el comando nvidia-smi para comprobar la instalación del controlador de GPU y verificar el estado de la tarjeta gráfica.

P: ¿Cómo consulto los detalles de la GPU?

The method for viewing GPU information depends on the node's operating system:

On Linux nodes, run the nvidia-smi command to view detailed GPU information.
For metrics such as GPU idle rate, utilization, temperature, and power, see the Data Dashboard.

P: ¿Cómo uso el kit de herramientas eGPU?

Lingjun nodes come with a pre-installed, three-month trial of the eGPU toolkit. To use it for a longer period, envíe un ticket. Currently, long-term licenses for the eGPU toolkit are available only to users who have completed enterprise certification.