VIP20
本课程属于：008-GPU数据中心AI算力集群部署 AI与大模型 · 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

GPU数据中心AI算力集群基础与工作流

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · AI算力集群的行业背景与价值
课程导入学习目标
02
GPU基础
GPU架构 · CUDA核心 · 显存层次
GPU架构
03
AI算力集群概述
集群定义 · 组成要素 · 典型应用场景
AI算力集群概述
04
数据中心基础设施
供电 · 散热 · 机房布局
数据心基础设施
05
GPU服务器硬件
GPU型号 · 主板 · CPU
GPU服务器硬件
06
高速网络互联
InfiniBand · RoCE · 以太网
高速网络互联InfiniBand
07
存储系统
分布式存储 · 并行文件系统 · 缓存策略
存储系统分布式存储
08
集群软件栈
驱动 · CUDA · cuDNN
集群软件栈驱动
09
集群管理工具
Slurm · Kubernetes · 容器编排
集群管理工具Slurm
10
工作负载调度
作业提交 · 资源分配 · 优先级管理
工作负载调度作业提交
11
AI框架集成
TensorFlow · PyTorch · Horovod
AI框架集成
12
分布式训练基础
数据并行 · 模型并行 · 混合并行
分布式训练基础数据并行
13
集群监控与日志
指标采集 · 可视化 · 告警
集群监控日志
14
性能优化
GPU利用率 · 通信优化 · I/O优化
性能优化GPU
15
故障排查
硬件故障 · 网络问题 · 软件错误
故障排查硬件故障
16
安全与权限
用户管理 · 网络安全 · 数据安全
安全权限
17
成本与能效
功耗管理 · 冷却优化 · 成本模型
成本能效
18
案例实战
搭建小型GPU集群
案例实战GPU
19
案例实战
部署分布式训练任务
案例实战部署分布式训练任…
20
案例实战
监控与调优训练性能
案例实战监控
21
常见问题
驱动兼容性 · CUDA版本 · 库冲突
常见问题驱动兼容性
22
常见问题
网络瓶颈 · 存储延迟 · 扩展性
常见问题网络瓶颈
23
常见问题
作业排队 · 资源碎片 · 死锁
常见问题作业排队
24
综合提升
多集群管理 · 混合云扩展
综合提升多集群管理
25
综合提升
自动化运维 · CI/CD集成
综合提升自动化运维
26
综合提升
大规模训练最佳实践
综合提升大规模训练最佳实…
27
前沿趋势
液冷 · DPU · 量子计算
前沿趋势液冷
28
课程总结
核心要点回顾 · 学习路径建议
课程总结核心要点回顾
29
考核与项目
设计并实现一个AI训练工作流
考核项目
30
结课测试
综合评估与答疑
结课测试综合评估