Tous les produits
Search
Centre de documentation

:Achat et utilisation des ressources de calcul IA MaxCompute

Dernière mise à jour :Aug 10, 2026

Pour optimiser l'efficacité du traitement des données ou de l'inférence de modèles hors ligne dans MaxCompute, achetez et utilisez les ressources de calcul IA MaxCompute (GU Quota). Conçues pour répondre à la demande en puissance de calcul GPU, ces ressources font l'objet de cette rubrique qui détaille leur achat et leur utilisation.

Remarques relatives à l'utilisation

  1. Ces ressources sont disponibles à l'achat dans les régions Chine (Pékin), Chine (Hangzhou), Chine (Shanghai), Chine (Shenzhen) et Chine (Ulanqab).

  2. Les ressources de calcul GPU IA sont prises en charge uniquement dans MaxFrame.

  3. Vous ne pouvez modifier que le nombre d'unités GU au sein d'un groupe de quotas de ressources de calcul IA. La spécification GU reste immuable. Il est impossible de fractionner un quota de ressources de calcul IA de niveau 1 en plusieurs quotas de niveau 2.

Procédure

  1. Connectez-vous à la console MaxCompute et sélectionnez une région dans le coin supérieur gauche.

  2. Dans le volet de navigation de gauche, choisissez Manage Configurations > Quotas .

  3. Sur la page Quotas, cliquez sur New Quota.

    Sur la page d'achat, définissez le paramètre Product Type sur AI Computing Resources.

  4. Sur la page MaxCompute-AI Compute Resources (Subscription), configurez les paramètres suivants :

    • Specification : spécification du quota GU. Par exemple : gu.a10.c30g186.

    • Compute Unit : nombre d'unités GU incluses dans le quota.

      Le pas d'ajustement des unités de calcul varie selon la spécification du quota : 1, 2, 4 ou 8 GUs. Les limites indiquées sur la page d'achat s'appliquent.
  5. Cliquez sur Buy Now et suivez les instructions à l'écran pour accepter les Conditions d'utilisation et finaliser l'achat. Le déploiement de la ressource GU prend environ 10 minutes.

  6. Une fois l'achat terminé, revenez à la console. Un groupe de quotas de type ressource de calcul GPU IA apparaît sur la page de gestion des quotas.

Guide d'utilisation

MaxCompute met à disposition des ressources de calcul IA dédiées (GU Quota) pour exécuter efficacement les charges de travail d'IA et d'apprentissage automatique. Allouez ces ressources aux jobs à la demande via le mécanisme de quota de niveau 2. Les sections suivantes décrivent les étapes clés d'utilisation des ressources de calcul IA.

Vérifier l'état du quota

À l'instar des ressources de calcul générales MaxCompute (CU Quota), vous pouvez spécifier les ressources de calcul IA (GU Quota) au niveau du job. Initialisez tout nouveau groupe de ressources GPU avant de l'utiliser. Vérifiez l'état d'un quota de niveau 2 sur la page de gestion des quotas de la console :

  • Running : l'environnement est prêt et vous pouvez soumettre des jobs.

  • Creating : la configuration des ressources est en cours. Attendez la fin de la configuration avant d'utiliser la ressource.

Confirmez l'état du quota avant de soumettre un job afin de garantir sa planification.

Utiliser les ressources de calcul IA dans un job MaxFrame

Utilisez le décorateur @with_running_options pour déclarer les besoins en ressources. Cette méthode permet de spécifier explicitement les ressources GU pour une fonction IA ou une fonction définie par l'utilisateur (UDF) dans MaxFrame, comme illustré ci-dessous :

@with_running_options(gu=1, gu_quota="your_gu_quotaname")
def your_ai_function():
    """
    gu=1: Requests 1 GU (one GPU card).
    gu_quota: Specify the name of an activated GU Quota that is in the "Running" state.
    
    This function uses the @with_running_options decorator to specify the use of
    1 GU (GPU Unit) of AI compute resources at runtime, requested from the quota group named 'your_gu_quotaname'.
    """
    # The function body goes here. 'pass' is used as a placeholder.
    pass
 

Cette configuration garantit l'exécution de la fonction sur un cluster doté de capacités GPU. Elle convient au traitement de données multimodales, à l'inférence de modèles et à d'autres scénarios accélérés par GPU.