Topik ini menjawab pertanyaan umum mengenai Intelligent Computing Lingjun.
T: Bagaimana cara membuat dan menghapus kelompok node dalam kluster?
Ada dua cara untuk membuat kelompok pada kluster Lingjun:
Buat kelompok saat pembuatan kluster.
Buat kelompok untuk kluster yang sudah ada.
Pada panel navigasi kiri, pilih Resources & Nodes > Cluster Management.
Klik ID/nama kluster yang sesuai, lalu klik tab Node Groups.
Klik Create Group dan masukkan informasi seperti nama kelompok dan tipe instans default.
(Opsional) Setelah kelompok dibuat, Anda dapat mengedit namanya atau menghapusnya.
Untuk menghapus kelompok node:
Pada panel navigasi kiri, pilih Resources & Nodes > Cluster Management.
Klik Cluster ID/Name yang dituju.
Klik tab Node Groups.
Pada kolom Actions dari kelompok node yang dituju, klik Delete.
Pada kotak dialog yang muncul, klik OK.
T: Mengapa saya harus menghapus semua node sebelum menghapus kluster?
Anda harus terlebih dahulu melakukan scale-in kluster hingga jumlah nodenya nol sebelum dapat menghapusnya. Untuk petunjuk lengkap, lihat Delete Cluster.
T: Mengapa pembelajaran mendalam dan jaringan saraf memerlukan GPU?
Tabel berikut membandingkan GPU dan CPU.
Item | GPU | CPU |
Arithmetic logic unit (ALU) | Berisi banyak arithmetic logic unit, sehingga sangat baik untuk komputasi paralel skala besar. | Berisi beberapa arithmetic logic unit yang kuat. |
Control unit | Memiliki control unit yang lebih sederhana. | Memiliki control unit yang kompleks. |
Cache | Memiliki cache yang lebih kecil yang digunakan untuk melayani thread, bukan untuk menyimpan data yang diakses. | Memiliki cache besar untuk menyimpan data, sehingga meningkatkan kecepatan akses dan mengurangi latensi. |
Metode respons | Memproses tugas secara Batch. | Memberikan respons real-time dan memproses tugas individual dengan cepat. |
Skenario | Ideal untuk beban kerja paralel multithread yang komputasi-intensif, sangat mirip, dan memerlukan throughput tinggi. | Cocok untuk beban kerja komputasi serial yang logika-intensif dan memerlukan latensi rendah. |
GPU unggul dalam komputasi paralel. Anda dapat menggunakan metode pemrograman paralel untuk mempercepat komputasi dengan GPU. Jaringan saraf bersifat sangat paralel, sehingga sangat cocok untuk komputasi GPU. Contoh khasnya adalah konvolusi, di mana setiap perhitungan bersifat independen. Banyak perhitungan dalam jaringan saraf dapat dengan mudah dipecah menjadi perhitungan-perhitungan kecil yang independen.
T: Apa perbedaan antara Intelligent Computing Lingjun dan layanan hosting GPU standar?
Kluster Intelligent Computing Lingjun menggunakan arsitektur sistem dan teknologi optimasi performa berlapis yang dirancang khusus untuk komputasi AI skala besar. Dalam skenario komputasi sangat paralel, seperti pemrosesan bahasa alami, pelatihan model kendaraan otonom, dan mesin rekomendasi, Intelligent Computing Lingjun dapat mengurangi waktu dan biaya pelatihan serta membantu Anda membangun model yang lebih besar dan kompleks dibandingkan dengan layanan hosting GPU standar.
T: Apakah saya perlu menginstal driver GPU setelah membuat kluster?
Citra sistem operasi untuk node komputasi Lingjun telah mencakup driver GPU. Anda dapat menjalankan perintah nvidia-smi untuk memverifikasi instalasi driver GPU dan memeriksa status kartu grafis.
T: Bagaimana cara melihat detail GPU?
Metode untuk melihat informasi GPU bergantung pada sistem operasi node:
Pada node Linux, jalankan perintah
nvidia-smiuntuk melihat informasi GPU secara detail.Untuk metrik seperti laju idle GPU, utilisasi, suhu, dan daya, lihat Data Dashboard.
T: Bagaimana cara menggunakan toolkit eGPU?
Node Lingjun dilengkapi toolkit eGPU yang telah dipra-instal dengan masa percobaan tiga bulan. Untuk menggunakannya dalam jangka waktu lebih lama, kirim tiket. Saat ini, lisensi jangka panjang untuk toolkit eGPU hanya tersedia bagi pengguna yang telah menyelesaikan sertifikasi perusahaan.