Skip to main content
NetApp Solutions
La version française est une traduction automatique. La version anglaise prévaut sur la française en cas de divergence.

Procédure de test

Contributeurs
PDF

Cette section décrit les procédures de test utilisées pour valider cette solution.

Installation du système d'exploitation et de l'inférence d'IA

Pour la baie AFF C190, nous avons utilisé Ubuntu 18.04 avec les pilotes NVIDIA et docker avec la prise en charge des GPU NVIDIA et MLPerf "code" Disponible dans le cadre de la soumission Lenovo à MLPerf Inférence v0.7.

Pour l'EF280, nous avons utilisé Ubuntu 20.04 avec les pilotes NVIDIA et docker avec prise en charge des GPU NVIDIA et MLPerf "code" Disponible dans le cadre de la soumission Lenovo à MLPerf Inférence v1.1.

Pour configurer l'inférence d'IA, procédez comme suit :

  1. Téléchargez les datasets qui nécessitent un enregistrement, le jeu de validation ImageNet 2012, le jeu de données Criteo Terabyte et brats 2019 Training Set, puis décompressez les fichiers.

  2. Créez un répertoire de travail d'au moins 1 To et définissez une variable d'environnement MLPERF_SCRATCH_PATH se référant au répertoire.

    Vous devez partager ce répertoire sur le stockage partagé pour le cas d'utilisation du stockage réseau ou sur le disque local lors des tests avec des données locales.

  3. Exécuter la marque prebuild commande, qui crée et lance le conteneur docker pour les tâches d'inférence requises.

    Remarque Les commandes suivantes sont toutes exécutées depuis le conteneur Docker en cours d'exécution :

    • Télécharger les modèles d'IA pré-entraînés pour les tâches d'inférence MLPerf : make download_model

    • Téléchargez des datasets supplémentaires qui peuvent être téléchargés librement : make download_data

    • Prétraiter les données : marque preprocess_data

    • Exécuter : make build.

    • Création de moteurs d'inférence optimisés pour les GPU dans les serveurs de calcul : make generate_engines

    • Pour exécuter des workloads Inférence, exécutez les éléments suivants (une commande) :

make run_harness RUN_ARGS="--benchmarks=<BENCHMARKS> --scenarios=<SCENARIOS>"

L'inférence d'IA s'exécute

Trois types de passages ont été exécutés :

  • Inférence d'IA à un seul serveur avec le stockage local

  • Inférence d'IA à un serveur unique avec le stockage réseau

  • Inférence d'IA à plusieurs serveurs à l'aide d'un stockage réseau