Estos contenidos se han traducido de forma automática para su comodidad, pero Huawei Cloud no garantiza la exactitud de estos. Para consultar los contenidos originales, acceda a la versión en inglés.
Actualización más reciente 2024-09-14 GMT+08:00

Grupo de recursos

Grupos de recursos de ModelArts

Al usar ModelArts para el desarrollo de IA, puede usar cualquiera de los siguientes grupos de recursos:

  • Dedicated resource pool: Ofrece recursos más controlables y no se puede compartir con otros usuarios. Cree un grupo de recursos dedicado y selecciónelo durante el desarrollo de IA. El grupo de recursos dedicado puede ser un clúster elástico o un BMS elástico.
    • Clúster elástico: puede ser Standard o Lite.
      • En un clúster elástico Standard, se proporcionan recursos de cómputo exclusivos, con los que puede entregar instancias durante el entrenamiento laboral, el despliegue de modelos y el desarrollo del entorno de ModelArts.
      • Un clúster elástico Lite proporciona clústeres alojados de Kubernetes con complementos de desarrollo de IA y complementos de aceleración para usuarios de recursos de Kubernetes. Puede operar los nodos y los clústeres de Kubernetes en el grupo de recursos con los recursos y tareas nativos de IA proporcionados.
    • BMS elástico: Proporciona diferentes modelos de BMS de xPU. Puede acceder a un BMS elástico con una EIP e instalar controladores y software relacionados con GPU y NPU en una imagen de SO específica. Para cumplir con los requisitos de entrenamiento de rutina de los ingenieros de algoritmos, SFS y OBS se pueden utilizar para almacenar y leer datos.
  • Public Resource Pool: proporciona clústeres de cómputo público a gran escala, que se asignan en función de la configuración de parámetros de trabajo. Los recursos se aíslan por trabajo. Puede utilizar los grupos de recursos públicos de ModelArts para ofrecer trabajos de entrenamiento, modelos de desplegar o ejecutar instancias de DevEnviron y se facturará en régimen de pago por uso.

Diferencias entre los grupos de recursos dedicados y los grupos de recursos públicos

  • Los grupos de recursos dedicados proporcionan clústeres de cómputo dedicados y recursos de red para los usuarios. Los grupos de recursos dedicados de diferentes usuarios están físicamente aislados, mientras que los grupos de recursos públicos solo están aislados lógicamente. En comparación con los grupos de recursos públicos, los grupos de recursos dedicados ofrecen un mejor rendimiento en aislamiento y seguridad.
  • Cuando se utiliza un grupo de recursos dedicado para crear trabajos y los recursos son suficientes, los trabajos no se pondrán en cola. Cuando se utiliza un grupo de recursos público para crear trabajos, hay una alta probabilidad de que los trabajos se pongan en cola.
  • La red tiene acceso a un grupo de recursos dedicado. Todos los trabajos en ejecución en el grupo pueden acceder al almacenamiento y a los recursos de la red. Por ejemplo, si selecciona un grupo de recursos dedicado con una red accesible al crear un trabajo de entrenamiento, puede acceder a los datos de SFS después de crear el trabajo de entrenamiento.
  • Los grupos de recursos dedicados permiten personalizar el entorno de tiempo de ejecución de los nodos físicos, por ejemplo, puede actualizar los controladores de GPU o de Ascend. Los grupos de recursos públicos no admiten esta función.