VIP20
本课程属于：075-Lenovo ThinkSystem企业服务器工程 后端、数据与云原生工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

Lenovo ThinkSystem AI计算基础设施集成

共计 30 章节
可可资料掘金营 · 点击在线试看
01
AI计算基础设施集成导论
目标=Lenovo ThinkSys… · 核心组件与集成挑战
AI计算基础设施集成…
02
ThinkSystem服务器硬件架构解析
目标=GPU服务器型号 · CPU-GPU拓扑 · PCIe/NVLink互联与选型依据
ThinkSystem服务器硬件架构解…
03
AI计算网络集成基础
目标=InfiniBand与RoCE… · 网卡选型 · 交换机配置与拓扑设计
AI计算网络集成基础
04
存储子系统集成
目标=NVMe · 分布式存储 · 并行文件系统在AI训练中的配置与性能…
存储子系统集成NVMe
05
GPU资源池化与虚拟化
目标=NVIDIA vGPU · MIG · SR-IOV在ThinkSystem…
GPU资源池化
06
集群操作系统与驱动部署
目标=Linux发行版选择 · GPU驱动 · CUDA
集群操作系统驱动部署
07
容器化AI环境集成
目标=Docker · NVIDIA Container T… · Kubernetes设备插件在Thi…
AI容器化
08
作业调度与资源管理
目标=Slurm · Kubernetes · Volcano在AI集群中的集成与队…
作业调度资源管理
09
分布式训练通信库集成
目标=NCCL · MPI · Gloo的配置
分布式训练通信库…NCCL
10
AI框架部署与优化
目标=PyTorch · TensorFlow在ThinkSy… · 多GPU训练与混合精度配置
AI框架部署
11
模型训练数据管道集成
目标=数据加载 · 预处理 · 缓存与I/O加速在ThinkSyst…
模型训练数据管道…目标=数据加载
12
推理服务基础设施集成
目标=Triton Inferenc… · TensorRT · ONNX Runtime的部署与扩展
推理服务基础设施…Triton
13
高速互联与RDMA调优
目标=RoCEv2拥塞控制 · PFC · ECN配置及在ThinkSystem…
RDMA高速互联
14
集群监控与日志集成
目标=Prometheus · Grafana · DCGM
集群监控日志集成
15
AI集群电源与散热管理
目标=ThinkSystem能效特性 · 液冷选项 · 功耗封顶与散热策略
AI集群电源
16
固件与驱动生命周期管理
目标=Lenovo XClarity… · 固件更新 · 驱动兼容性矩阵与回滚
固件驱动生命周期管理
17
集群安全与多租户隔离
目标=网络策略 · GPU隔离 · 镜像签名
集群安全多租户隔离
18
高可用与容错设计
目标=训练检查点 · 故障转移 · 冗余网络与存储路径的集成实践
高可用容错设计
19
性能基准测试与调优
目标=MLPerf · STREAM · HPL在ThinkSystem上的运…
性能基准测试调优
20
大规模集群部署自动化
目标=Ansible · Terraform · Lenovo XClarity Ad…
大规模集群部署自…Ansible
21
AI工作负载迁移与兼容性
目标=从其他平台迁移至ThinkSy… · 依赖检查与验证
AI工作负载迁移
22
边缘AI计算集成
目标=ThinkSystem SE3…
AI边缘
23
混合云AI基础设施集成
目标=ThinkSystem与公有云 · OpenShift · VMware Tanzu的对接
AI混合云
24
AI存储性能调优实战
目标=GPUDirect Stora… · NVMe-oF · 缓存分层在训练中的配置
AI存储性能调优实战
25
网络故障排查与诊断
目标=InfiniBand/RoCE… · 性能下降 · 丢包与延迟的定位方法
网络故障排查诊断
26
GPU故障诊断与恢复
目标=XID错误 · ECC · 掉卡
GPU故障诊断
27
集群扩容与缩容操作
目标=在线添加节点 · GPU · 存储与网络设备的集成步骤与验证
集群扩容缩容操作
28
AI基础设施成本优化
目标=资源利用率 · 功耗 · 许可与云 bursting 策略的集…
AI基础设施成本优化
29
典型AI集成项目实战
目标=从需求分析 · 方案设计 · 部署实施到验收的完整案例
AI典型
30
未来演进与持续集成
目标=新硬件 · 新协议 · 自动化运维与AI基础设施即代码的趋势
未来演进持续集成