Tüm Ürünler
Search
Belge Merkezi

Container Service for Kubernetes:Overview of running model training jobs on Kubernetes

Son Güncelleme:Oct 06, 2026

Tek başına TensorFlow eğitim işlerini çalıştırma

Container Service for Kubernetes (ACK) kümelerinde tek başına TensorFlow eğitim işlerini çalıştırabilirsiniz. ACK, tek başına TensorFlow eğitim işlerini hızla dağıtmanıza ve çalıştırmanızı sağlayan kaynak yönetimi yetenekleri sunar. Bu konu; eğitim işlerinin nasıl oluşturulacağını, kaynakların nasıl yapılandırılacağını ve eğitim işlerinin nasıl çalıştırılacağını açıklar. Tek başına TensorFlow eğitim işlerine kolayca başlamak için bu konuya bakın. Daha fazla bilgi için bkz. Kubernetes kümesinde Arena kullanarak tek başına TensorFlow eğitim işlerini gönderme.

Dağıtık TensorFlow eğitim işlerini çalıştırma

ACK kümelerinde dağıtık TensorFlow eğitim işlerini çalıştırabilirsiniz. Dağıtık eğitim işlerinin hızını ve verimliliğini artırmak amacıyla ACK'nin birden çok hesaplama düğümü üzerinden sunduğu paralel hesaplama yeteneklerinden yararlanabilirsiniz. Bu konu; dağıtık model eğitimiyle ilgili temel terimleri tanıtır, ACK kümelerinde dağıtık model eğitimi için bir kümenin nasıl yapılandırılacağını ve dağıtık TensorFlow eğitim işlerinin nasıl çalıştırılacağını açıklar. Dağıtık TensorFlow eğitim işlerinin performansını optimize etmek için bu konuya bakın. Daha fazla bilgi için bkz. Kubernetes kümesinde Arena kullanarak dağıtık TensorFlow eğitim işlerini gönderme.

Arena kullanarak tek başına PyTorch eğitim işlerini gönderme

Arena, makine öğrenimi (ML) görevi gönderimini basitleştirmek üzere tasarlanmış bir araçtır. Arena'yı kullanarak Kubernetes üzerinde tek başına PyTorch eğitim işlerini gönderebilirsiniz. Bu konu; Arena'nın nasıl yükleneceğini ve yapılandırılacağını, ayrıca Arena'nın tek başına PyTorch eğitim işlerini göndermek için nasıl kullanılacağını açıklar. Tek başına PyTorch eğitim işlerini göndermek ve yönetmek için basit komutlar çalıştırabilirsiniz. Bu sayede eğitim verimliliğinizi artırabilirsiniz. Daha fazla bilgi için bkz. Arena kullanarak tek başına PyTorch eğitim işlerini gönderme.

Arena kullanarak dağıtık PyTorch eğitim işlerini gönderme

Arena'yı kullanarak Kubernetes üzerinde dağıtık PyTorch eğitim işlerini gönderebilirsiniz. Bu konu; Arena kullanarak bir Kubernetes kümesindeki birden çok düğümde çalışan dağıtık bir PyTorch eğitim işinin nasıl gönderileceğini açıklar. Bir eğitim işinin parametrelerini değiştirerek dağıtık ortamda paralel model eğitimi uygulayabilirsiniz. Bu sayede eğitim verimliliğini artırabilir ve model boyutunu büyütebilirsiniz. Daha fazla bilgi için bkz. Arena kullanarak dağıtık PyTorch eğitim işlerini gönderme.

Esnek model eğitimi

ACK, ölçeklenebilir hesaplama kaynaklarına dayalı olarak esnek model eğitimini etkinleştirmenize olanak tanır. Gerçek iş yüklerinize göre eğitim işlerinize ayrılan hesaplama kaynağı miktarını dinamik olarak ayarlayabilirsiniz. Bu konu; talep üzerine ölçeklendirme, kaynak kullanımının iyileştirilmesi ve maliyet optimizasyonu dahil olmak üzere esnek model eğitiminin avantajlarını açıklar. Hesaplama kaynaklarını esnek ve verimli bir şekilde yönetmek ve kullanmak için esnek eğitim ilkelerini yapılandırabilirsiniz. Daha fazla bilgi için bkz. Kubernetes üzerinde esnek model eğitimi.

DeepSpeed dağıtık eğitim işlerini çalıştırma

DeepSpeed, derin öğrenme işlerini optimize etmek için kullanılan bir çerçevedir. Kubernetes üzerinde DeepSpeed dağıtık eğitim işlerini çalıştırabilirsiniz. Bu konu; otomatik karışık hassasiyetli eğitim, model parçalama ve model optimize ediciler dahil olmak üzere DeepSpeed'in temel özelliklerini tanıtır ve bir ACK kümesinde dağıtık eğitim işlerini göndermek için DeepSpeed'in nasıl kullanılacağını açıklar. Model eğitim verimliliğini artırmak ve büyük ölçekli modelleri eğitmek için bu konuya bakın. Daha fazla bilgi için bkz. DeepSpeed dağıtık eğitimi.

Özet

  • Tek başına TensorFlow eğitimi: Kubernetes üzerinde tek başına TensorFlow eğitim işlerini çalıştırmaya yönelik kılavuz sağlar.

  • Dağıtık TensorFlow eğitimi: Kubernetes üzerinde dağıtık TensorFlow eğitim işlerini çalıştırmaya yönelik kılavuz sağlar.

  • Arena: Arena kullanarak tek başına ve dağıtık PyTorch eğitim işlerini göndermeye yönelik kılavuz sağlar. Arena, eğitim işlerinin dağıtımını ve yönetimini basitleştirir.

  • Esnek model eğitimi: Kaynak kullanımını iyileştirmek ve maliyetleri düşürmek amacıyla Kubernetes'in ölçeklendirme yeteneğine dayalı olarak esnek model eğitimini etkinleştirmeye yönelik kılavuz sağlar.

  • DeepSpeed dağıtık eğitimi: Dağıtık eğitimi optimize etmek ve büyük ölçekli modelleri eğitmek için DeepSpeed kullanmaya yönelik kılavuz sağlar.

Yukarıdaki özellikler ve araçlar, Kubernetes üzerinde verimli ML ve derin öğrenme işi yürütme için kapsamlı destek sunar; eğitim verimliliğini artırmanıza, kaynak kullanımını optimize etmenize ve operasyonel maliyetleri düşürmenize yardımcı olur.