メインコンテンツまでスキップ
に最終更新

AI Runtimeに接続する

備考

パブリックプレビュー

単一ノードタスク用のAI Runtimeはパブリック プレビュー段階にあります。 マルチ GPU ワークロード用の分散トレーニングAPIベータ版のままです。

この記事では、インタラクティブなノートブック、スケジュールされたジョブ、およびジョブAPIからAI Runtimeに接続する方法について説明します。

インタラクティブ (ノートブック)​

これがAI Runtime主な使用方法です。 ノートブックに接続して環境を構成するには:

  1. ノートブックから、上部の [接続 ] ドロップダウン メニューをクリックし、 [サーバレス GPU] を選択します。
  2. クリック環境アイコン。 環境 サイドパネルを開きます。
  3. アクセラレータ フィールドから A10 または H100 を選択してください。
  4. 基本環境 フィールドで、デフォルト環境の場合は 「なし」を 、 AI環境の場合は 「AI v4」 を選択してください。
  5. [適用] をクリックし、 AI Runtimeノートブック環境に適用することを 確認します 。
注記

コンピュートへの接続は、何も操作しない状態が 60 分間続くと自動的に終了します。

ヒント

GPU を必要としない操作 ( Gitリポジトリのクローン作成、データ形式の変換、探索的データ分析など) の場合は、ノートブックを CPU クラスターに接続して GPU リソースを保持します。

求人情報（予定）​

サーバレス GPU を使用するノートブックを定期的なジョブとしてスケジュールできます。 詳細については、 「スケジュールされたノートブック ジョブの作成と管理」を参照してください。

使用したいノートブックを開いた後：

  1. 右上の 「スケジュール」 ボタンを選択してください。
  2. 「スケジュールを追加」 を選択してください。
  3. 新しいスケジュール フォームに ジョブ名 、 スケジュール 、および コンピュート を入力します。
  4. 「作成」 を選択します。

ジョブとパイプラインの UIからジョブを作成したり、スケジュールを設定したりすることもできます。手順の詳細については、 「新しいジョブを作成する」を参照してください。

注記

[環境] パネルを使用した依存関係の追加は、サーバレス GPU のスケジュールされたジョブではサポートされていません。 依存関係はノートブック内でプログラム的にインストールする必要があります（例： %pip install ）。自動復旧はサポートされていません。互換性のないパッケージが原因でジョブが失敗した場合は、手動で修正して再実行する必要があります。7 日間の最大ランタイムを超える可能性があるワークロードの場合は、手動チェックポイントを実装して再開できるようにします。

Jobs APIとDatabricksアセットバンドル​

AI Runtime 、 Databricks Jobs APIまたはDatabricks Asset Bundlesを使用して、プログラムで作成および管理できます。 デプロイ パイプラインを自動化するには、ジョブまたはバンドル定義でコンピュート タイプをサーバレス GPU として構成します。

次の例は、サーバレス GPU ジョブ上のAI RuntimeのDatabricksアセット バンドル構成を示しています。

YAML
resources:
  jobs:
    sample_job:
      name: sample_job_h100

      trigger:
        periodic:
          interval: 1
          unit: DAYS

      parameters:
        - name: catalog
          default: ${var.catalog}
        - name: schema
          default: ${var.schema}

      environments:
        - environment_key: default
          spec:
            environment_version: '4'

      tasks:
        - task_key: notebook_task
          notebook_task:
            notebook_path: /Workspace/Users/your_email/your_notebook
          environment_key: default
          compute:
            hardware_accelerator: GPU_8xH100