すべてのプロダクト
Search

このプロダクト

    Platform For AI:Lingjunリソースの割り当て

    ドキュメントセンター

    Platform For AI:Lingjunリソースの割り当て

    最終更新日:Jul 22, 2024

    Alibaba Cloud Machine Learning Platform for AI (PAI) は、AIの開発とトレーニングのためのLingjunリソースを提供します。 購入したLingjunリソースのリソースクォータを作成して、高性能なAIトレーニングとコンピューティングを実行できます。 このトピックでは、リソースクォータを作成、管理、および使用する方法について説明します。

    前提条件

    リソースクォータの作成

    リソースクォータを作成して、リソースプール内のリソースを割り当てることができます。 リソースクォータを作成するには、次の手順を実行します。

    1. PAIコンソールにログインします。 左側のナビゲーションウィンドウで、[AIコンピューティングリソース]> [リソースクォータ] を選択します。

    2. [Intelligent Computing Lingjun resources] タブで、[Resource Quotaの追加] をクリックします。

    3. [リソースクォータの追加] ページで、パラメーターを設定し、[送信] をクリックします。

      パラメーター

      説明

      名前

      リソースクォータの名前。

      スケジューリングポリシー

      スケジューリングポリシー。 適切なスケジューリングポリシーを選択して、コンピューティングリソースの使用率を向上させます。 有効な値：

      • インテリジェント

      • バランス

      • ラウンドロビン

      • FIFO

      ワークスペースの関連付け

      リソースクォータが関連付けられているワークスペース。

      説明

      異なるリソースクォータを区別するために使用される説明。

      ソースタイプ

      リソースクォータに割り当てられるリソースのソースのタイプ。 有効な値：

      • Dedicated Resource Group: 専用リソースグループのリソースをリソースクォータに割り当てます。

      • 既存のリソースクォータ: 既存のリソースクォータからリソースクォータにリソースを割り当てます。

      ソース

      リソースクォータに割り当てられるリソースのソース。 [ソース] ドロップダウンリストから、専用リソースグループまたは既存のリソースクォータを選択します。

      仕様 /リソース

      [追加] をクリックします。 表示されるパネルで、専用リソースグループまたは既存のリソースクォータから割り当てるリソースの仕様とノード数を指定します。

      [VPC]

      ドロップダウンリストからVPC、vSwitch、およびセキュリティグループを選択します。

      説明

      Lingjunリソースがインターネットにアクセスする必要がある場合は、選択したVPCにインターネットNATゲートウェイを設定し、EIP (elastic IP address) をインターネットNATゲートウェイに関連付ける必要があります。 インターネットへのアクセスに使用するVPCを選択することを推奨します。 詳細については、「インターネットNATゲートウェイのSNAT機能を使用したインターネットへのアクセス」をご参照ください。

      [セキュリティグループ]

      vSwitch

    リソースクォータの管理

    リソースクォータを作成したら、リソースクォータの名前をクリックして、基本情報とリソース使用情報を表示できます。 リソース割り当てを最適化するために、リソースクォータをスケーリングしたり、子レベルのリソースクォータを作成したりすることもできます。 詳細については、「リソースクォータの管理」をご参照ください。

    リソースクォータの使用

    • リソースのクォータをワークスペースに関連付ける

      リソースクォータを使用してAI開発およびトレーニングジョブを実行する前に、リソースクォータをワークスペースに関連付ける必要があります。 詳細については、「概要」をご参照ください。

    • AIの開発とトレーニングのためにワークスペースに関連付けられているリソースクォータを使用する

      • イメージを選択します。

        Lingjunリソースのリソースクォータを使用してDeep Learning Containers (DLC) のトレーニングジョブを送信するには、サーバー、ネットワーク、ドライバー、トレーニングフレームワークなどのハードウェアとソフトウェアの統合が必要です。 したがって、公式PAIイメージを使用するか、公式PAIイメージに基づいてイメージを作成することを推奨します。

        説明

        カスタムイメージを使用する場合、高性能Lingjunリソースを最大限に活用するために、ドライバ、フレームワーク、およびソフトウェアを適切なバージョンに更新する必要がある場合があります。

        イメージ名

        フレームワーク

        インスタンスタイプ

        CUDAバージョン

        オペレーティングシステム

        サポート対象リージョン

        プログラミング言语とバージョン

        deepspeed-training:23.06-gpu-py310-cu121-ubuntu22.04

        • PyTorch 2.1

        • メガトロン-LM 23.06

        • DeepSpeed 0.9.5

        • トランスフォーマー4.29.2

        • ニモ1.19.0

        GPU

        121

        ubuntu22.04

        中国 (ウランチャブ)

        Python3.10

        メガトロン-トレーニング: 23.06-gpu-py310-cu121-ubuntu22.04

        • PyTorch 2.1

        • メガトロン-LM 23.06

        • DeepSpeed 0.9.5

        • トランスフォーマー4.29.2

        • ニモ1.19.0

        GPU

        121

        ubuntu22.04

        中国 (ウランチャブ)

        Python3.10

        nemo-training:23.06-gpu-py310-cu121-ubuntu22.04

        • PyTorch 2.1

        • メガトロン-LM 23.06

        • DeepSpeed 0.9.5

        • トランスフォーマー4.29.2

        • ニモ1.19.0

        GPU

        121

        ubuntu22.04

        中国 (ウランチャブ)

        Python3.10

      • Lingjunリソースのリソースクォータを使用してDLCトレーニングジョブを送信します。 詳細については、「トレーニングジョブの送信」をご参照ください。

      • Lingjunリソースに基づいてData Science Workshop (DSW) インスタンスを作成します。 詳細については、「DSWインスタンスの作成」をご参照ください。

      • Elastic Algorithm Service (EAS) を使用してサービスを展開します。 詳細については、「PAIコンソールでのモデルサービスのデプロイ」をご参照ください。