Implementa cargas de trabajo de GPU en Autopilot

Aprende a solicitar aceleradores de hardware (GPU) en tus cargas de trabajo de GKE Autopilot.

Entrega un LLM con varias GPUs en GKE

Aprende a entregar Llama 2 70B o Falcon 40B con varias GPU NVIDIA L4 con GKE.

Entrega un LLM con TPU de varios hosts en GKE con Saxml

Aprende a entregar Falcon 7b, Llama2 7b, Falcon 40b o Llama2 70b con el framework Ray en GKE.

Comienza a usar Ray en GKE

Aprende a comenzar a usar Ray en GKE fácilmente mediante la ejecución de una carga de trabajo en un clúster de Ray.

Entrega un LLM en GPU L4 con Ray

Aprende a entregar Falcon 7b, Llama2 7b, Falcon 40b o Llama2 70b con el framework Ray en GKE.

Organiza cargas de trabajo de TPU de Multislice con JobSet y Kueue

Aprende a organizar una carga de trabajo de Jax en varias porciones de TPU en GKE con JobSet y Kueue.

Supervisa cargas de trabajo de GPU en GKE con el administrador de GPU de centro de datos (DCGM) de NVIDIA

Aprende a observar las cargas de trabajo de GPU en GKE con el administrador de GPU del centro de datos de NVIDIA (DCGM).

Guía de inicio rápido: Entrena un modelo con GPU en clústeres de GKE Standard

En esta guía de inicio rápido, se muestra cómo implementar un modelo de entrenamiento con GPU en GKE y almacenar las predicciones en Cloud Storage.

Ejecuta aprendizaje automático a gran escala en GKE

En este video, se muestra cómo GKE ayuda a resolver desafíos comunes de entrenar modelos de IA a gran escala y las prácticas recomendadas para entrenar y entregar modelos de aprendizaje automático a gran escala en GKE.

TensorFlow en Autopilot de GKE con aceleración de GPU

Esta entrada de blog es una guía paso a paso sobre la creación, ejecución y eliminación de un notebook de Jupiter habilitado para TensorFlow.

Implementa un sistema de colas de trabajos con uso compartido de cuotas entre espacios de nombres en GKE

En este instructivo, se usa Kueue para mostrarte cómo implementar un sistema de cola de trabajos y configurar el recurso de las cargas de trabajo y el uso compartido de cuotas entre diferentes espacios de nombres en GKE.

Infraestructura para una aplicación de IA generativa compatible con RAG mediante GKE

Arquitectura de referencia para ejecutar una aplicación de IA generativa con generación aumentada (RAG) de recuperación con GKE, Cloud SQL, Ray, Hugging Face y LangChain.

Innovación en búsqueda de patentes: cómo IPRally aprovecha la IA con GKE y Ray

Cómo IPRally usa GKE y Ray para compilar una plataforma de AA escalable y eficiente para realizar búsquedas de patentes más rápidas con mayor exactitud.

Análisis detallado del rendimiento de Gemma en Google Cloud

Aprovecha Gemma en las GPU de Cloud y Cloud TPU para la eficiencia de la inferencia y el entrenamiento en GKE.

Análisis detallado de Gemma en GKE: nuevas innovaciones para entregar modelos de IA generativa abiertos

Usa los mejores modelos abiertos de Gemma para compilar aplicaciones de IA portátiles y personalizables, y para implementarlas en GKE.

Programación avanzada para IA/AA con Ray y Kueue

Organiza aplicaciones de Ray en GKE con KubeRay y Kueue.

Cómo proteger Ray en Google Kubernetes Engine

Aplica estadísticas de seguridad y técnicas de endurecimiento para entrenar cargas de trabajo de IA y AA con Ray en GKE.

Diseña almacenamiento para cargas de trabajo de IA y AA en Google Cloud

Elige la mejor combinación de opciones de almacenamiento para cargas de trabajo de IA y AA en Google Cloud.

La instalación automática del controlador simplifica el uso de las GPU de NVIDIA en GKE

Instala automáticamente los controladores de GPU de Nvidia en GKE.

Acelera tu recorrido de IA generativa con el framework de NVIDIA NeMo en GKEE

Entrena modelos de IA generativa con el framework de GKE y NVIDIA NeMo.

¿Por qué GKE para tus cargas de trabajo de IA de Ray?

Mejora la escalabilidad, la rentabilidad, la tolerancia a errores, el aislamiento y la portabilidad con GKE para las cargas de trabajo de Ray.

Ejecuta IA en GKE completamente administrado, ahora con nuevas opciones de procesamiento, precios y reservas de recursos

Obtén asistencia mejorada de GPU, rendimiento y precios más bajos para las cargas de trabajo de IA y AA con GKE Autopilot.

Cómo SEEN escaló el resultado 89 veces y redujo los costos de GPU en un 66% con GKE

Las startups escalan resultados de video personalizados con GKE.

Cómo Let's Enhance usa NVIDIA AI y GKE para potenciar la edición de fotos basada en IA

IA innovadora para mejorar imágenes con GPU NVIDIA y GKE.

Cómo el uso compartido de GPU de GKE ayuda a la búsqueda de los científicos por neutrinos

El uso compartido de la GPU de GKE ayuda a los científicos a buscar neutrinos.

GPU de tiempo compartido en GKE

Obtén información sobre cómo la función de uso compartido de tiempo de GPU en GKE permite que varios contenedores compartan una sola GPU física, lo que mejora su uso.

GPU de varias instancias en GKE

Descubre cómo las GPU de instancias múltiples en GKE te ayudan a obtener un mejor valor de tus inversiones en GPU.

Cómo Etsy usa GKE para rediseñar su plataforma de aprendizaje automático

Etsy aprovecha el aprendizaje automático (AA) para crear experiencias personalizadas para nuestros millones de compradores de todo el mundo.

Cómo Spotify impulsa la innovación en AA con Ray y GKE

Cómo Ray transforma el desarrollo del AA en Spotify.

Cómo Ordaōs Bio aprovecha la IA generativa en GKE

Ordaōs Bio, uno de los principales aceleradores de IA para la investigación y el descubrimiento en biomedicina, está hallando soluciones para inmunoterapias innovadoras de oncología y de inflamación crónica.

GKE desde un startup en crecimiento con tecnología del AA

Cómo Moloco, una startup de Silicon Valley, aprovechó el poder de GKE y Tensor Flow Enterprise para potenciar su infraestructura de aprendizaje automático (AA).

Ray en GKE

Usa esta plantilla de Terraform para ejecutar Ray en GKE.

Configura Ray en GKE con TPU

Usa esta muestra de Terraform para implementar Ray en un clúster de GKE con una topología 2x2x1.

Cargas de trabajo de entrenamiento del AA en GKE con la API de JobSet

Ejecuta cargas de trabajo de entrenamiento de aprendizaje automático distribuido en GKE mediante la API de JobSet.

“Hello World” de JAX en GKE

Ejecutar un programa JAX simple con GPU NVIDIA A100-80GB en un clúster de GKE.