Início rápido do Caderno de Execução AI

Importante

Este recurso está no Public Preview.

Usa o AI Runtime para passar de um portátil vazio para o PyTorch numa GPU em poucos cliques. Anexa um portátil a uma GPU sem servidor, sem necessidade de configurar qualquer cluster, e obténs monitorização da GPU, um terminal no nó da GPU e o Genie Code incluídos.

Um portátil de IA Runtime ligado a uma GPU Serverless, com chamadas para selecionar o tipo de GPU, configurar o ambiente, monitorizar a utilização, usar o agente para programar e abrir um terminal.

Requirements

O seu espaço de trabalho deve ter o AI Runtime ativado e estar numa região suportada. Ver Requisitos.

Passo 1: Liga um portátil a uma GPU

  1. Cria ou abre um caderno.
  2. No menu pendente Computação, na parte superior do notebook, selecione Serverless GPU.
  3. No campo Acelerador , selecione 1xA10.
  4. Clica em Aplicar e depois em Confirmar.

Sugestão

Começa com 1xA10 para desenvolvimento e pequenas cargas de trabalho. Passe para 1xH100 ou 8xH100 quando precisar de mais memória de GPU ou de treino distribuído em várias GPUs. Veja Opções de Hardware.

Passo 2: Executa o teu primeiro código de GPU

O ambiente padrão de IA 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 ligada e execute um passo de treino:

Bloco de notas de início rápido do ambiente de execução de IA

Obter caderno

Agora estás a treinar em computação com GPU serverless.

Explore o portátil com GPU

O portátil vem com ferramentas para te ajudar a trabalhar na GPU. Podes mudar de ambiente base, monitorizar a utilização da GPU, abrir um terminal no nó da GPU e usar o Genie Code para escrever e depurar o teu código.

Mudar de ambientes

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

O painel lateral do ambiente com a lista pendente do ambiente base aberta, mostrando as versões do ambiente Padrão e de IA.

Observe a utilização da GPU

Clica em recursos da GPU no painel direito para veres a utilização e memória da GPU em tempo real enquanto o teu código corre. Consulte a monitorização dos recursos da GPU.

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

Abra um terminal no nó da GPU

Clique em Terminal no canto inferior direito para aceder a uma shell no nó da GPU. Executar nvidia-smi, inspecionar ficheiros ou depurar processos diretamente. Veja Executar comandos de shell no terminal web do Azure Databricks.

Um terminal na Web a correr nvidia-smi num nó com GPU H100.

Deixa o Genie Code escrever e depurar por ti

Clique em Genie Code no painel à direita e descreva o que pretende. O agente pode escrever código de treino, corrigir conflitos de dependências e depurar falhas da GPU. Consulte Utilizar código Genie com ambiente de execução de IA.

O painel do Genie Code com um pedido para o agente corrigir um conflito na biblioteca torchao.

Passos seguintes

  • Última atualização a