Executar contêineres acelerados por GPU (Linux no EC2)

As AMIs do Amazon Linux otimizadas e aceleradas para o Amazon EKS são desenvolvidas nas AMIs do Amazon Linux otimizadas para o Amazon EKS padrão. Para obter esses detalhes sobre essas AMIs, consulte AMIs do Amazon Linux aceleradas e otimizadas para Amazon EKS. O texto a seguir descreve como habilitar workloads baseadas no AWS Neuron.

Para habilitar workloads baseadas no AWS Neuron (acelerador de ML)

Para obter detalhes sobre workloads de treinamento e inferência usando o Neuron no Amazon EKS, consulte as seguintes referências:

• Contêineres - Kubernetes - Primeiros passos na documentação AWS Neuron

• Treinamento em amostras do EKS do AWS Neuron no GitHub

• Implante workloads de inferência de ML com o AWSInferentia no Amazon EKS

O procedimento a seguir descreve como executar uma workload em uma instância baseada em GPU com AMIs aceleradas otimizadas para o Amazon EKS.

1. Depois que os nós de GPU entrarem no cluster, você deverá aplicar o plug-in de dispositivo NVIDIA para Kubernetes como DaemonSet no cluster. Substitua vX.X.X pela versão desejada do NVIDIA/k8s-device-plugin antes de executar o seguinte comando.

   kubectl apply -f https://raw.githubusercontent.com/NVIDIA/k8s-device-plugin/vX.X.X/deployments/static/nvidia-device-plugin.yml

2. Você pode verificar se os nós têm GPUs alocáveis com o seguinte comando:

   kubectl get nodes "-o=custom-columns=NAME:.metadata.name,GPU:.status.allocatable.nvidia\.com/gpu"

3. Crie um arquivo denominado nvidia-smi.yaml com o seguinte conteúdo: Substitua tag pela etiqueta desejada para nvidia/cuda. Esse manifesto inicia um contêiner NVIDIA CUDA que executa nvidia-smi em um nó.

   apiVersion: v1
   kind: Pod
   metadata:
     name: nvidia-smi
   spec:
     restartPolicy: OnFailure
     containers:
     - name: nvidia-smi
       image: nvidia/cuda:tag
       args:
       - "nvidia-smi"
       resources:
         limits:
           nvidia.com/gpu: 1

4. Aplique o manifesto com o comando a seguir.

   kubectl apply -f nvidia-smi.yaml

5. Após a execução do Pod ser concluída, visualize os logs com o comando a seguir.

   kubectl logs nvidia-smi

   Veja um exemplo de saída abaixo.

   Mon Aug  6 20:23:31 20XX
   +-----------------------------------------------------------------------------+
   | NVIDIA-SMI XXX.XX                 Driver Version: XXX.XX                    |
   |-------------------------------+----------------------+----------------------+
   | GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
   | Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
   |===============================+======================+======================|
   |   0  Tesla V100-SXM2...  On   | 00000000:00:1C.0 Off |                    0 |
   | N/A   46C    P0    47W / 300W |      0MiB / 16160MiB |      0%      Default |
   +-------------------------------+----------------------+----------------------+
   +-----------------------------------------------------------------------------+
   | Processes:                                                       GPU Memory |
   |  GPU       PID   Type   Process name                             Usage      |
   |=============================================================================|
   |  No running processes found                                                 |
   +-----------------------------------------------------------------------------+