在 Vertex AI 上使用 Tesla A100 GPU 和 Kubeflow Pipelines

Posted 2023-03-29

【中文标题】在 Vertex AI 上使用 Tesla A100 GPU 和 Kubeflow Pipelines

【英文标题】：Using Tesla A100 GPU with Kubeflow Pipelines on Vertex AI

【发布时间】：2021-11-11 03:13:57

【问题描述】：

我正在使用以下代码行在 Kubeflow 管道 (KFP) 上指定所需的机器类型和加速器/GPU，我将通过 Vertex AI/管道以无服务器方式运行。

op().
set_cpu_limit(8).
set_memory_limit(50G).
add_node_selector_constraint('cloud.google.com/gke-accelerator', 'nvidia-tesla-k80').
set_gpu_limit(1)

它也适用于其他 GPU，例如 Pascal、Tesla、Volta 卡。

但是，我不能对最新的加速器类型 Tesla A100 做同样的事情，因为它需要一个特殊的机器类型，至少是 a2-highgpu-1g。

当我在 Vertex 上运行此特定组件时，如何确保它在 a2-highgpu-1g 之上运行？

如果我只是按照旧 GPU 的方法：

op().
set_cpu_limit(12). # max for A2-highgpu-1g
set_memory_limit(85G). # max for A2-highgpu-1g
add_node_selector_constraint('cloud.google.com/gke-accelerator', 'nvidia-tesla-a100').
set_gpu_limit(1)

运行/部署时会引发错误，因为生成的机器类型是通用类型，即 N1-Highmem-*

当我没有指定cpu和内存限制时也发生了同样的事情，希望它会根据加速器约束自动选择正确的机器类型。

    op().
    add_node_selector_constraint('cloud.google.com/gke-accelerator', 'nvidia-tesla-a100').
    set_gpu_limit(1)

错误： "NVIDIA_TESLA_A100" is not supported for machine type "n1-highmem-2",

【问题讨论】：

您在哪个区域运行 GCP 服务？ Tesla A100 对可以找到的区域非常有限 here 你能在没有私人信息的情况下分享你的整个代码吗？我猜它看起来类似于this

管道在/locations/us-central1/ 和A2 Machine Type 上执行，A100 GPUs 应该对us-central1 区域普遍可用，如here 所述

【参考方案1】：

目前，GCP 不支持普通 KF 组件的 A2 机器类型。目前一个潜在的解决方法是使用GCP custom job component，您可以明确指定机器类型。