Skip to main content
NetApp artificial intelligence solutions
La versione in lingua italiana fornita proviene da una traduzione automatica. Per eventuali incoerenze, fare riferimento alla versione in lingua inglese.

Procedura di prova

Collaboratori kevin-hoke
PDF

In questa sezione vengono descritte le procedure di test utilizzate per convalidare questa soluzione.

Configurazione del sistema operativo e dell'inferenza dell'IA

Per AFF C190, abbiamo utilizzato Ubuntu 18.04 con driver NVIDIA e docker con supporto per GPU NVIDIA e utilizzato MLPerf "codice" disponibile come parte della presentazione Lenovo a MLPerf Inference v0.7.

Per EF280, abbiamo utilizzato Ubuntu 20.04 con driver NVIDIA e docker con supporto per GPU NVIDIA e MLPerf "codice" disponibile come parte della presentazione Lenovo a MLPerf Inference v1.1.

Per impostare l'inferenza dell'IA, seguire questi passaggi:

  1. Scarica i set di dati che richiedono la registrazione, il set di convalida ImageNet 2012, il set di dati Criteo Terabyte e il set di formazione BraTS 2019, quindi decomprimi i file.

  2. Crea una directory di lavoro con almeno 1 TB e definisci la variabile ambientale MLPERF_SCRATCH_PATH riferendosi alla directory.

    È consigliabile condividere questa directory sull'archiviazione condivisa per il caso d'uso dell'archiviazione di rete oppure sul disco locale quando si eseguono test con dati locali.

  3. Esegui il make prebuild comando, che crea e avvia il contenitore Docker per le attività di inferenza richieste.

    Nota Tutti i seguenti comandi vengono eseguiti dall'interno del contenitore Docker in esecuzione:

    • Scarica modelli di intelligenza artificiale pre-addestrati per le attività di inferenza MLPerf: make download_model

    • Scarica altri set di dati scaricabili gratuitamente: make download_data

    • Preelaborare i dati: creare preprocess_data

    • Correre: make build .

    • Costruisci motori di inferenza ottimizzati per la GPU nei server di elaborazione: make generate_engines

    • Per eseguire carichi di lavoro di inferenza, eseguire quanto segue (un comando):

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

Esecuzione di inferenza AI

Sono stati eseguiti tre tipi di prove:

  • Inferenza AI su server singolo tramite archiviazione locale

  • Inferenza AI su server singolo tramite archiviazione di rete

  • Inferenza AI multi-server tramite archiviazione di rete