VMware vSphere Bitfusion은 GPU(그래픽 처리 장치)와 같은 하드웨어 가속기를 가상화하여 AI(인공 지능) 및 ML(기계 학습) 워크로드를 지원하는 네트워크 액세스 가능한 공유 리소스 풀을 제공합니다. vSphere Bitfusion은 TensorFlow 및 PyTorch와 같은 인공 지능 프레임워크에서 작동합니다. 가상 시스템 또는 Docker 컨테이너 내에 vSphere Bitfusion을 배포하여 데이터 센터 환경에서 사용할 수 있습니다. vSphere Bitfusion을 사용하면 네트워크에 있는 모든 GPU 서버의 상태, 활용률, 효율성 및 가용성을 모니터링할 수 있습니다. 또한 클라이언트의 GPU 사용량을 모니터링하고 할당량 및 시간 제한을 할당할 수 있습니다.
현재 vSphere Bitfusion 릴리스에 대해 알고 싶으십니까? 최신 VMware vSphere Bitfusion 릴리스 정보를 확인하십시오.
vSphere Bitfusion의 일부 기능에 대해 알아보기
vSphere Bitfusion의 기본 개념과, GPU를 가상화하고 AI 및 ML 애플리케이션에서 사용하기 위한 공유된 계산 리소스 풀을 제공하는 방법을 알아봅니다.
vSphere Bitfusion을 실행하는 데 필요한 소프트웨어 및 하드웨어 요구 사항을 비롯하여 vSphere 환경에 vSphere Bitfusion 서버 및 클라이언트를 설치하는 방법을 알아봅니다.
vSphere Bitfusion 플러그인을 사용하여 클러스터에 후속 vSphere Bitfusion 서버를 추가하는 방법을 알아봅니다.
여러 vCenter Server 인스턴스 또는 Kubernetes 클러스터에서 vSphere Bitfusion 클라이언트를 활성화하는 방법을 알아봅니다.
배포를 검증하여 vSphere Bitfusion 설치 프로세스가 성공했는지 확인할 수 있습니다.
현재 클러스터 구성 및 모니터링 데이터를 잃지 않고 vSphere Bitfusion 클러스터를 업그레이드할 수 있습니다.
평가 기간 후에 vSphere Bitfusion 서버에 라이센스를 부여하는 방법을 알아봅니다.
네트워크 인터페이스를 추가, 제거 및 수정하여 vSphere Bitfusion 서버를 여러 네트워크에 연결하는 방법을 알아봅니다.
vSphere Bitfusion 클라이언트에 레이블을 추가하여 워크로드를 식별할 수 있습니다.
모든 vSphere Bitfusion 서버 및 클라이언트에 대해 인증서를 갱신하는 방법을 알아보십시오.
vSphere Bitfusion 애플리케이션을 시작 및 중지하고 동일한 GPU에서 여러 애플리케이션을 실행하도록 GPU를 할당하는 방법을 알아봅니다. 특정 GPU 또는 서버 집합에서 AI 및 ML 워크로드를 실행할 수도 있습니다.
PVRDMA(반가상화 RDMA) 어댑터를 사용하여 vSphere Bitfusion 배포의 성능을 향상시킬 수 있습니다. RDMA를 사용하면 애플리케이션이 운영 체제 또는 CPU의 관여 없이 한 컴퓨터 메모리에서 다른 컴퓨터 메모리로 직접 액세스할 수 있습니다.
vSphere Bitfusion에서 네트워크의 MTU 프레임 크기를 테스트할 수 있습니다.
vSphere Bitfusion이 세부 및 요약 사용량 데이터를 보존하는 기간을 구성할 수 있습니다. 메트릭 REST API를 사용하여 데이터를 다운로드할 수 있습니다.
상태 점검을 수행하여 vSphere Bitfusion 서버의 성능, 안정성, 사용 가능한 시스템 리소스 및 소프트웨어 버전을 점검할 수 있습니다. 또한 vSphere Bitfusion 서버 특정 로그 파일을 검토하여 vSphere Bitfusion 환경의 문제를 해결할 수 있습니다.
vSphere Client 내의 vSphere Bitfusion 플러그인에서 제공하는 그래픽 사용자 인터페이스를 사용하여 vSphere Bitfusion을 모니터링하는 방법을 알아봅니다. vSphere Bitfusion 서버 및 클라이언트의 GPU 할당 및 사용량, 메모리 사용량, 네트워크 트래픽 통계 및 기타 데이터에 대한 현재 및 기간별 통계를 볼 수 있습니다. 또한 .csv 파일로 모니터링 데이터를 내보내고 다운로드하여 vSphere Bitfusion 환경을 검토하고 문제를 해결할 수 있습니다.
모니터링 플러그인 패키지를 사용하여 클러스터에서 vSphere Bitfusion 서버를 모니터링하는 방법을 알아봅니다. 패키지에는 모니터링 애플리케이션을 위한 50개 이상의 표준 플러그인(예: Icinga, Naemon, Nagios, Shinken, Sensu)이 포함되어 있습니다.
vSphere Bitfusion 데이터베이스를 백업 및 복원하는 방법을 알아봅니다. 데이터베이스를 백업하면 구성, 연결, 상태 및 vSphere Bitfusion 클러스터 데이터의 기록에 대한 스냅샷을 저장할 수 있습니다. 오류가 발생하면 스냅샷을 사용하여 vSphere Bitfusion 데이터베이스를 복원하고 클러스터를 복구할 수 있습니다.
vSphere Bitfusion을 사용하여 AI 및 ML 애플리케이션을 설치 및 실행하고, 벤치마크와 테스트를 실행하여 vSphere Bitfusion 배포의 성능을 측정하는 방법을 알아봅니다. TensorFlow, PyTorch 및 YOLO를 사용하려면 NVIDIA CUDA 및 NVIDIA CUDA Deep Neural Network 라이브러리(cuDNN)도 설치해야 합니다. CUDA는 GPU에서 일반적인 컴퓨팅을 가능하게 하는 NVIDIA에서 개발한 컴퓨팅 라이브러리입니다. cuDNN는 심층 신경망에서 사용하기 위한 GPU 가속 프리미티브 라이브러리입니다.
vSphere Bitfusion 다운로드
배포를 시작하려면 vSphere Bitfusion 장치 및 클라이언트 소프트웨어 패키지를 다운로드합니다.
비디오 살펴보기
VMware vSphere YouTube 채널에서 비디오를 시청하거나 설명서를 읽으면서 vSphere Bitfusion 배포 및 운영에 대해 알아볼 수 있습니다.
vSphere Bitfusion에 대해 알아보기
- vSphere Bitfusion에 대한 자세한 내용은 vSphere Bitfusion 솔루션 및 Cloud Platform Tech Zone에서 참조하십시오.
- 기계 학습을 위한 종단 간 오픈 소스 플랫폼인 TensorFlow에 대해 알아보십시오. TensorFlow를 사용하면 데스크톱, 모바일, 웹 및 클라우드 환경에 대한 기계 학습 모델을 쉽게 생성할 수 있습니다.
- PyTorch 및 YOLO에 대해 알아봅니다. PyTorch를 사용하여 YOLO를 기반으로 개체 감지기를 구현할 수 있습니다. 이것은 심층 합성곱 신경망에서 학습한 기능을 사용하여 개체를 감지하는 개체 감지기입니다.
- vSphere Bitfusion은 GPU의 일반 컴퓨팅을 위해 NVIDIA에서 개발한 병렬 컴퓨팅 플랫폼인 CUDA와 통합됩니다. CUDA를 사용하면 GPU의 성능을 활용하여 컴퓨팅 애플리케이션의 속도를 획기적으로 높일 수 있습니다. CUDA로 개발된 애플리케이션은 내장형 시스템, 워크스테이션, 데이터 센터 및 클라우드의 GPU에 배포되었습니다.
- 심층신경망에서 사용하는 기본 유형의 GPU 가속 라이브러리인 NVIDIA cuDNN이 vSphere Bitfusion과 통합되어 GPU 성능을 가속화하는 방법을 이해합니다. 이 통합을 통해 세밀한 GPU 성능 조정에 시간을 낭비하는 대신, 신경망 교육 및 소프트웨어 애플리케이션 개발에 집중할 수 있습니다.
vSphere Bitfusion 설명서 사용
HTML로 작성된 vSphere Bitfusion 문서는 각 주요 vSphere Bitfusion 버전의 최신 업데이트 릴리스를 반영합니다. 예를 들어, 버전 2.5에는 2.5.x 릴리스에 대한 모든 업데이트가 포함되어 있습니다.
MyLibrary를 사용하면 특정 정보 요구 사항을 충족하는 컨텐츠만 포함하는 사용자 지정 설명서 컬렉션을 생성할 수 있습니다.
