在 Autopilot 中部署 GPU 工作负载

了解如何在 GKE Autopilot 工作负载中请求硬件加速器 (GPU)。

通过 GKE 中的多个 GPU 提供 LLM

了解如何将 GKE 与多个 NVIDIA L4 GPU 搭配使用，以提供 Llama 2 70B 或 Falcon 40B。

使用 GKE 中的多主机 TPU 和 Saxml 来提供 LLM

了解如何在 GKE 中使用 Ray 框架提供 Falcon 7b、Llama2 7b、Falcon 40b 或 Llama2 70b。

GKE 上的 Ray 使用入门

了解如何在 Ray 集群上运行工作负载，以便在 GKE 上轻松开始使用 Ray。

使用 Ray 在 L4 GPU 上提供 LLM

了解如何在 GKE 中使用 Ray 框架提供 Falcon 7b、Llama2 7b、Falcon 40b 或 Llama2 70b。

使用 JobSet 和 Kueue 编排 TPU 多切片工作负载

了解如何使用 JobSet 和 Kueue 在 GKE 上的多个 TPU 切片上编排 Jax 工作负载。

使用 NVIDIA 数据中心 GPU 管理器 (DCGM) 监控 GKE 上的 GPU 工作负载

了解如何使用 NVIDIA 数据中心 GPU 管理器 (DCGM) 观察 GKE 上的 GPU 工作负载。

快速入门：在 GKE Standard 集群上使用 GPU 训练模型

本快速入门介绍如何使用 GKE 中的 GPU 部署训练模型，并将预测结果存储在 Cloud Storage 中。

在 GKE 上运行大规模机器学习

此视频介绍了 GKE 如何帮助解决大规模训练 AI 模型的常见挑战，以及在 GKE 上训练和提供大规模机器学习模型的最佳做法。

具有 GPU 加速功能的 TensorFlow on GKE Autopilot

本博文是有关创建、执行和清理支持 Tensorflow 的 Jupiter 笔记本的分步指南。

在 GKE 上使用命名空间配额共享实现 Job 排队系统

本教程使用 Kueue 介绍如何实现作业队列系统，并在 GKE 上配置不同命名空间之间的工作负载资源和配额共享。

使用 Ray 和 Kueue 针对 AI/机器学习进行高级调度

使用 KubeRay 和 Kueue 在 GKE 中编排 Ray 应用。

如何保护 Ray on Google Kubernetes Engine

应用安全数据分析和安全加固技术以使用 Ray on GKE 训练 AI/机器学习工作负载。

为 Google Cloud 中的 AI 和机器学习工作负载设计存储

为 Google Cloud 上的 AI 和机器学习工作负载选择最佳的存储方案组合。

自动驱动程序安装简化了在 GKE 中使用 NVIDIA GPU 的过程

在 GKE 中自动安装 Nvidia GPU 驱动程序。

借助 GKEE 上的 NVIDIA NeMo 框架加速您的生成式 AI 之旅

使用 GKE 和 NVIDIA NeMo 框架训练生成式 AI 模型。

为何将 GKE 用于 Ray AI 工作负载？

使用 GKE for Ray 工作负载提高可伸缩性、成本效益、容错能力、隔离性和可移植性。

在全托管式 GKE 上运行 AI，现在提供了新的计算选项、价格和资源预留

借助 GKE Autopilot，为 AI/机器学习工作负载提供了更好的 GPU 支持和更高的性能，并降低了价格。

SEEN 如何使用 GKE 将输出扩容 89 倍并将 GPU 费用降低 66%

初创公司使用 GKE 扩缩个性化视频输出能力。

Let's Enhance 如何使用 NVIDIA AI 和 GKE 为基于 AI 的照片编辑提供支持

使用 NVIDIA GPU 和 GKE 美化图片的创新 AI。

GKE 的 GPU 共享功能如何帮助科学家探索中微子

GKE GPU 共享可帮助科学家探索中微子。

GKE 中的分时 GPU

了解 GKE 上的 GPU 分时功能，该功能允许多个容器共享单个物理 GPU，从而提高其利用率。

GKE 中的多实例 GPU

了解 GKE 中的多实例 GPU 如何帮助您从 GPU 投资中获得更高价值。

Etsy 如何使用 GKE 重新设计其机器学习平台

Etsy 利用机器学习 (ML) 为全球数百万买方打造个性化体验。

Spotify 如何借助 Ray 和 GKE 推动机器学习创新

Ray 如何转变 Spotify 的机器学习开发工作。

Ordaōs Bio 如何利用 GKE 上的生成式 AI

Ordaōs Bio 是领先的生物医学研究和发现 AI 加速器之一，正在寻找肿瘤和慢性炎症疾病新型免疫疗法的解决方案。

GKE 来自一家由 ML 驱动的成长型初创公司

硅谷初创公司 Moloco 如何利用 GKE 和 TensorFlow 企业版的强大功能来增强其机器学习 (ML) 基础架构。

GKE 上的 Ray

使用此 Terraform 模板在 GKE 上运行 Ray。

使用 TPU 设置 GKE 上的 Ray

使用此 Terraform 示例在具有 2x2x1 拓扑的 GKE 集群上部署 Ray。

使用 JobSet API 在 GKE 上运行机器学习训练工作负载

使用 JobSet API 在 GKE 上运行分布式机器学习训练工作负载。

GKE 上的 JAX“Hello World”

在 GKE 集群上使用 NVIDIA GPU A100-80GB 运行简单的 JAX 程序。