Esegui il deployment dei carichi di lavoro GPU in Autopilot

Scopri come richiedere acceleratori hardware (GPU) nei tuoi carichi di lavoro GKE Autopilot.

Gestisci un LLM con più GPU in GKE

Scopri come gestire Llama 2 70B o Falcon 40B utilizzando più GPU NVIDIA L4 con GKE.

Gestisci un LLM utilizzando TPU multi-host su GKE con Saxml

Scopri come gestire Falcon 7b, Llama2 7b, Falcon 40b o Llama2 70b utilizzando il framework Ray in GKE.

Introduzione a Ray su GKE

Scopri come iniziare facilmente a utilizzare Ray su GKE eseguendo un carico di lavoro su un cluster Ray.

Gestisci un LLM su GPU L4 con Ray

Scopri come gestire Falcon 7b, Llama2 7b, Falcon 40b o Llama2 70b utilizzando il framework Ray in GKE.

Orchestrare i carichi di lavoro TPU Multislice utilizzando JobSet e Kueue

Scopri come orchestrare un carico di lavoro Jax su più sezioni TPU in GKE utilizzando JobSet e Kueue.

Monitoraggio dei carichi di lavoro delle GPU su GKE con NVIDIA Data Center GPU Manager (DCGM)

Scopri come osservare i carichi di lavoro delle GPU su GKE con NVIDIA Data Center GPU Manager (DCGM).

Guida rapida: addestra un modello con GPU su cluster GKE Standard

Questa guida rapida mostra come eseguire il deployment di un modello di addestramento con GPU in GKE e archiviare le previsioni in Cloud Storage.

Esecuzione di machine learning su larga scala su GKE

Questo video mostra come GKE aiuta a risolvere le sfide comuni relative all'addestramento di modelli AI di grandi dimensioni su larga scala e le best practice per l'addestramento e la gestione di modelli di machine learning su larga scala su GKE.

TensorFlow su GKE Autopilot con accelerazione GPU

Questo blog post è una guida passo passo per la creazione, l'esecuzione e lo smontaggio di un blocco note Jupiter abilitato per TensorFlow.

Implementa un sistema di accodamento dei job con condivisione della quota tra gli spazi dei nomi su GKE

Questo tutorial utilizza Kueue per mostrare come implementare un sistema di accodamento dei job e configurare la condivisione delle risorse e della quota del carico di lavoro tra diversi spazi dei nomi su GKE.

Infrastruttura per un'applicazione di AI generativa compatibile con RAG che utilizza GKE

Architettura di riferimento per l'esecuzione di un'applicazione di AI generativa con RAG (Retrieval-Augmented Generation) utilizzando GKE, Cloud SQL, Ray, Hugging Face e LangChain.

Innovazione nella ricerca di brevetti: in che modo IPRally sfrutta l'AI con GKE e Ray

Scopri come IPRally utilizza GKE e Ray per creare una piattaforma ML efficiente e scalabile per ricerche di brevetti più veloci con maggiore precisione.

Approfondimento sulle prestazioni di Gemma su Google Cloud

Sfrutta le potenzialità di Gemma su GPU Cloud e Cloud TPU per l'inferenza e l'addestramento in modo efficiente su GKE.

Approfondimento di Gemma su GKE: innovazioni per la gestione di modelli aperti di AI generativa

Utilizza i migliori modelli aperti di Gemma per creare applicazioni AI portatili e personalizzabili ed eseguirne il deployment su GKE.

Pianificazione avanzata per AI/ML con Ray e Kueue

Orchestrare le applicazioni Ray in GKE con KubeRay e Kueue.

Come proteggere Ray su Google Kubernetes Engine

Applica insight sulla sicurezza e tecniche di protezione avanzata per l'addestramento dei carichi di lavoro AI/ML utilizzando Ray su GKE.

Progetta l'archiviazione per carichi di lavoro di AI e ML in Google Cloud

Seleziona la migliore combinazione di opzioni di archiviazione per i carichi di lavoro AI e ML su Google Cloud.

L'installazione automatica del driver semplifica l'utilizzo di GPU NVIDIA in GKE

Installa automaticamente i driver GPU Nvidia in GKE.

Accelera il tuo percorso verso l'AI generativa con il framework NVIDIA NeMo su GKEE

Addestra modelli di AI generativa utilizzando GKE e il framework NVIDIA NeMo.

Perché GKE per i tuoi carichi di lavoro Ray AI?

Migliora la scalabilità, l'efficienza in termini di costi, la tolleranza di errore, l'isolamento e la portabilità utilizzando GKE per i carichi di lavoro Ray.

Esecuzione dell'IA su GKE completamente gestito, ora con nuove opzioni di calcolo, prezzi e prenotazioni di risorse

Ottieni supporto delle GPU migliori, prestazioni e prezzi inferiori per i carichi di lavoro di AI/ML con GKE Autopilot.

Come SEEN ha scalato l'output di 89 volte e ha ridotto i costi della GPU del 66% utilizzando GKE

La startup scala l'output video personalizzato con GKE.

Come Let's Enhance utilizza NVIDIA AI e GKE per l'editing delle foto basato sull'IA

IA innovativa per migliorare le immagini con GPU NVIDIA e GKE.

In che modo la condivisione delle GPU di GKE aiuta gli scienziati nella ricerca dei neutrini

La condivisione della GPU di GKE aiuta gli scienziati a cercare i neutrini.

GPU con condivisione del tempo in GKE

Scopri come la funzionalità di condivisione del tempo delle GPU su GKE consente a più container di condividere una singola GPU fisica, migliorandone l'utilizzo.

GPU multi-istanza in GKE

Scopri come le GPU multi-istanza in GKE ti aiutano a trarre il massimo vantaggio dai tuoi investimenti nelle GPU.

Scopri come Etsy utilizza GKE per riprogettare la propria piattaforma di machine learning

Etsy sfrutta il machine learning (ML) per creare esperienze personalizzate per i nostri milioni di acquirenti in tutto il mondo.

Scopri come Spotify sta liberando l'innovazione ML con Ray e GKE

Scopri come Ray sta trasformando lo sviluppo ML in Spotify.

In che modo Ordaōs Bio sfrutta l'AI generativa su GKE

Ordaōs Bio, uno dei principali acceleratori AI per la ricerca e la scoperta biomedica, sta trovando soluzioni a nuove immunoterapie in oncologia e malattie infiammatorie croniche.

GKE di una startup in crescita basata sul machine learning

Scopri come Moloco, una startup della Silicon Valley, ha sfruttato la potenza di GKE e Tensor Flow Enterprise per potenziare la sua infrastruttura di machine learning (ML).

Ray su GKE

Utilizza questo modello Terraform per eseguire Ray su GKE.

Configura Ray su GKE con TPU

Utilizza questo esempio Terraform per eseguire il deployment di Ray su un cluster GKE con una topologia 2x2x1.

Carichi di lavoro di addestramento ML su GKE con l'API JobSet

Esegui carichi di lavoro distribuiti di addestramento di machine learning su GKE utilizzando l'API JobSet.

"Hello World" di JAX su GKE

Esegui un semplice programma JAX utilizzando le GPU NVIDIA A100-80 GB su un cluster GKE.