コーパスを復元可能な単位に分割する
特徴抽出、画像分析、ファイル変換では、各作業単位に安定した識別子を付与します。結果は決定的な場所に書き込み、成功も失敗も記録します。中断が発生しても、存在しないファイルと無効なファイルを混同せずに残りの要素を再開できるようにします。
まずこの仕組みをいくつかの異なる入力でテストします。有用な成果物は、不完全な作業を検出できる手順であり、単に出力が入ったフォルダではありません。
余裕を保てるバッチを見つける
48 GB あれば、負荷に応じて 24 GB の容量よりも大きなバッチを試せます。形式を変えずに要素数を変動させ、その後、最も重いケースを追加します。採用するバッチは、入力の変動ごとにメモリを飽和させることなく、こうしたばらつきを吸収できる必要があります。
PyTorch では、テンソルが占有するメモリとアロケータが確保するメモリを区別します。システムツールの数値が高いからといって、自動的にリークがあるわけではありません。その推移と、プログラムが保持するオブジェクトを確認します。
A40、RTX A6000、L40S
RTX A6000 は同じ Ampere ファミリーで 48 GB を搭載しており、お使いのソフトウェア向けに比較する価値があります。L40S は Ada 上でこの容量を維持し、特に推論やメディア指向のパイプラインに適しています。コーパスが 24 GB に収まり、バッチが小さい場合は、より控えめなカードで目的を達成できないかも確認してください。
期間と処理量を一致させる
サンプルから作業量を見積もるには 3 日、最初の管理されたキャンペーンには 7 日、複数の計画されたウェーブには 30 日を使用します。ご自身の試行から得た見積もりのほうが、GPU 名からの外挿よりも有用です。
A40 のバッチ、期間、環境を設定し、次に連絡先を入力します。暗号資産を選択した後、コーパスのマニフェストとともに注文フォルダーを保管します。「支払いました」ボタンは送金後の報告を記録し、検証はそのまま進みます。