Pianificare i job di addestramento in base alla disponibilità delle risorse

Per i job di addestramento serverless che richiedono risorse GPU, Dynamic Workload Scheduler ti consente di pianificare i job in base a quando le risorse GPU richieste diventano disponibili. Questa pagina mostra come pianificare job di addestramento serverless utilizzando Dynamic Workload Scheduler e come personalizzare il comportamento di pianificazione su Gemini Enterprise Agent Platform.

Casi d'uso consigliati

Ti consigliamo di utilizzare Dynamic Workload Scheduler per pianificare i job di addestramento serverless nelle seguenti situazioni:

  • Il job di addestramento serverless richiede GPU L4, A100, H100, H200 o B200 e vuoi eseguire il job non appena le risorse richieste diventano disponibili. Ad esempio, quando Gemini Enterprise Agent Platform alloca le risorse GPU al di fuori delle ore di punta.
  • Il tuo workload richiede più nodi e non può essere eseguito finché tutti i nodi GPU non sono stati sottoposti a provisioning e non sono pronti contemporaneamente. Ad esempio, stai creando un job di addestramento distribuito.

Requisiti

Per utilizzare Dynamic Workload Scheduler, il job di addestramento serverless deve soddisfare i seguenti requisiti:

  • Il job di addestramento serverless richiede GPU L4, A100, H100, H200 o B200.
  • Il job di addestramento serverless ha un valore timeout massimo di 7 giorni o meno.
  • Il job di addestramento serverless utilizza la stessa configurazione della macchina per tutti i pool di worker.

Tipi di prestazione supportati

Sono supportati tutti i tipi di job di addestramento serverless, tra cui CustomJob, HyperparameterTuningjob e TrainingPipeline.

Abilita Dynamic Workload Scheduler nel job di addestramento serverless

Per abilitare Dynamic Workload Scheduler nel job di addestramento serverless, imposta il campo dell'API scheduling.strategy su FLEX_START quando crei il job.

Per informazioni dettagliate su come creare un job di addestramento serverless, consulta i seguenti link.

Configura la durata dell'attesa per la disponibilità delle risorse

Puoi configurare per quanto tempo il job può attendere le risorse nel campo scheduling.maxWaitDuration. Un valore 0 indica che il job attende indefinitamente fino a quando le risorse richieste non diventano disponibili. Il valore predefinito è 1 giorno.

Esempi

Gli esempi seguenti mostrano come attivare Dynamic Workload Scheduler per un customJob. Seleziona la scheda dell'interfaccia che vuoi utilizzare.

gcloud

Quando invii un job utilizzando Google Cloud CLI, aggiungi il campo scheduling.strategy nel file config.yaml.

Esempio di file di configurazione YAML:

workerPoolSpecs:
  machineSpec:
    machineType: a2-highgpu-1g
    acceleratorType: NVIDIA_TESLA_A100
    acceleratorCount: 1
  replicaCount: 1
  containerSpec:
    imageUri: gcr.io/ucaip-test/ucaip-training-test
    args:
    - port=8500
    command:
    - start
scheduling:
  strategy: FLEX_START
  maxWaitDuration: 7200s

Python

Quando invii un job utilizzando l'SDK Agent Platform per Python, imposta il campo scheduling_strategy nel metodo di creazione CustomJob pertinente.

from google.cloud.aiplatform_v1.types import custom_job as gca_custom_job_compat

def create_custom_job_with_dws_sample(
    project: str,
    location: str,
    staging_bucket: str,
    display_name: str,
    script_path: str,
    container_uri: str,
    service_account: str,
    experiment: str,
    experiment_run: Optional[str] = None,
) -> None:
    aiplatform.init(project=project, location=location, staging_bucket=staging_bucket, experiment=experiment)

    job = aiplatform.CustomJob.from_local_script(
        display_name=display_name,
        script_path=script_path,
        container_uri=container_uri,
        enable_autolog=True,
        machine_type="a2-highgpu-1g",
        accelerator_type="NVIDIA_TESLA_A100",
        accelerator_count=1,
    )

    job.run(
        service_account=service_account,
        experiment=experiment,
        experiment_run=experiment_run,
        max_wait_duration=1800,
        scheduling_strategy=gca_custom_job_compat.Scheduling.Strategy.FLEX_START
    )

REST

Quando invii un job utilizzando l'API REST Gemini Enterprise Agent Platform, imposta i campi scheduling.strategy e scheduling.maxWaitDuration durante la creazione del job di addestramento serverless.

Esempio di corpo JSON della richiesta:

{
  "displayName": "MyDwsJob",
  "jobSpec": {
    "workerPoolSpecs": [
      {
        "machineSpec": {
          "machineType": "a2-highgpu-1g",
          "acceleratorType": "NVIDIA_TESLA_A100",
          "acceleratorCount": 1
        },
        "replicaCount": 1,
        "diskSpec": {
          "bootDiskType": "pd-ssd",
          "bootDiskSizeGb": 100
        },
        "containerSpec": {
          "imageUri": "python:3.10",
          "command": [
            "sleep"
          ],
          "args": [
            "100"
          ]
        }
      }
    ],
    "scheduling": {
      "maxWaitDuration": "1800s",
      "strategy": "FLEX_START"
    }
  }
}

Quota

Quando invii un job utilizzando Dynamic Workload Scheduler, invece di utilizzare la quota on demand di Gemini Enterprise Agent Platform, Gemini Enterprise Agent Platform utilizza la quota preemptible. Ad esempio, per le GPU Nvidia H100, invece di consumare:

aiplatform.googleapis.com/custom_model_training_nvidia_h100_gpus,

Gemini Enterprise Agent Platform utilizza:

aiplatform.googleapis.com/custom_model_training_preemptible_nvidia_h100_gpus.

Tuttavia, la quota preemptible viene utilizzata solo nel nome. Le tue risorse non sono preemptible e si comportano come risorse standard.

Prima di inviare un job utilizzando Dynamic Workload Scheduler, assicurati che le quote preemptible siano state aumentate a un importo sufficiente. Per i dettagli sulle quote di Gemini Enterprise Agent Platform e le istruzioni per effettuare richieste di aumento delle quote, consulta Quote e limiti di Gemini Enterprise Agent Platform.

Fatturazione

Quando utilizzi l'avvio flessibile di DWS, la fatturazione viene eseguita in base ai prezzi di Dynamic Workload Scheduler. All'uso dell'infrastruttura vengono aggiunte le tariffe di gestione dell'addestramento serverless.

Passaggi successivi