Início rápido do Notebook de Runtime da IA

Importante

Esse recurso está em Visualização Pública.

Use o AI Runtime para passar de um notebook vazio para o PyTorch em uma GPU em poucos cliques. Anexe um notebook ao Serverless GPU, sem necessidade de configurar um cluster, e tenha acesso ao monitoramento da GPU, a um terminal no nó da GPU e ao Genie Code integrado.

Um notebook de tempo de execução com IA conectado à GPU Serverless, com chamadas para selecionar o tipo de GPU, configurar o ambiente, monitorar a utilização, usar o agente para programar e abrir um terminal.

Requirements

Seu espaço de trabalho deve ter o tempo de execução de IA ativado e estar em uma região suportada. Veja Requisitos.

Passo 1: Conecte um notebook a uma GPU

  1. Crie ou abra um bloco de anotações.
  2. No menu suspenso Computação, na parte superior do notebook, selecione GPU sem servidor.
  3. No campo Acelerador , selecione 1xA10.
  4. Clique em Aplicar e depois em Confirmar.

Dica

Comece com 1xA10 para desenvolvimento e cargas de trabalho pequenas. Mude para 1xH100 ou 8xH100 quando precisar de mais memória GPU ou treinamento distribuído multi-GPU. Veja Opções de hardware.

Passo 2: Execute seu primeiro código de GPU

O ambiente padrão de IA do Databricks vem com PyTorch, Transformers, vLLM, pandas e muitos outros pacotes pré-instalados. Para a lista completa, veja o ambiente de IA Databricks.

Execute o seguinte notebook para confirmar que a GPU está conectada e execute uma etapa de treinamento:

Notebook de início rápido do AI Runtime

Obter laptop

Agora você está treinando em computação serverless com GPU.

Explore o notebook com GPU

O notebook vem com ferramentas para ajudar você a trabalhar na GPU. Você pode mudar de ambiente base, monitorar a utilização da GPU, abrir um terminal no nó da GPU e usar o Genie Code para escrever e depurar seu código.

Alternar ambientes

Clique em Ambiente no painel direito para escolher um ambiente base ou acelerador diferente. Veja Configuração do ambiente.

O painel lateral de Ambiente com o menu suspenso do ambiente Base aberto, mostrando versões padrão e de IA.

Observe a utilização da GPU

Clique em recursos da GPU no painel direito para ver a utilização ao vivo da GPU e a memória enquanto seu código roda. Veja Monitorar recursos da GPU.

O painel de recursos da GPU mostra gráficos de utilização da GPU e uso de memória ao longo do tempo.

Abra um terminal no nó da GPU

Clique em Terminal no canto inferior direito para abrir um shell no nó da GPU. Execute nvidia-smi, inspecione arquivos ou depure processos diretamente. Confira Executar comandos shell no terminal web do Azure Databricks.

Um terminal web rodando nvidia-smi em um nó de GPU H100.

Deixe o Genie Code escrever e depurar para você

Clique em Código Genie no painel direito e descreva o que você quer. O agente pode escrever código de treinamento, corrigir conflitos de dependências e depurar falhas de GPU. Veja Como usar o Genie Code com o runtime de IA.

O painel Genie Code com uma solicitação para que o agente resolva um conflito na biblioteca torchao.

Próximas Etapas 

  • Última atualização em