Pular para o conteúdo principal
Última atualização em

Guias para o AI Runtime

Migre cargas de trabalho existentes, melhore o desempenho do treinamento, monitore o uso de GPU e solucione erros comuns.

Monitore o uso e os custos​

Você pode monitorar seus gastos com GPU do AI Runtime consultando a tabela do sistema de uso faturável (system.billing.usage). A query a seguir retorna o uso total para cargas de trabalho de GPU Serverless:

SQL
SELECT
  SUM(usage_quantity)
FROM
  system.billing.usage
WHERE
  product_features.serverless_gpu IS NOT NULL

Para obter mais informações sobre o esquema da tabela de uso faturável, consulte Referência da tabela do sistema de uso faturável.

Para obter preços atuais de GPU, consulte preços do AI Runtime.

Exemplos​

Explore tutoriais de Notebooks e receitas executáveis da CLI do Databricks, organizados por tarefa. Consulte exemplos do AI Runtime.

Solução de problemas​

O Genie Code pode ajudar a resolver problemas de ambiente e dependência e investigar falhas de GPU e de carga de trabalho distribuída em notebooks conectados ao AI Runtime. Consulte Usar o Genie Code com o AI Runtime.

Para depurar interativamente no compute, use o terminal web para execução de comandos shell, inspecionar o uso da GPU com nvidia-smi e gerenciar arquivos. O terminal web está disponível quando conectado à versão 5 ou acima do ambiente do AI Runtime. Consulte Executar comandos shell no terminal web do Databricks.

ValueError: numpy.dtype size changed, may indicate binary incompatibility. Expected 96 from C header, got 88 from PyObject​

O erro geralmente ocorre quando há uma incompatibilidade entre as versões do NumPy usadas durante a compilação de um pacote dependente e a versão do NumPy instalada atualmente no ambiente de runtime. Essa incompatibilidade ocorre frequentemente devido a alterações na API C do NumPy e é particularmente perceptível do NumPy 1.x para o 2.x. Este erro indica que o pacote Python instalado no notebook pode ter alterado a versão do NumPy.

Solução recomendada:

Verifique a versão do NumPy no runtime e garanta que ela seja compatível com seus pacotes. Consulte as notas sobre a versão do ambiente AI Runtime para ambiente 6, ambiente 5 e ambiente 4 para obter informações sobre bibliotecas Python pré-instaladas. Se você tiver uma dependência de uma versão diferente do NumPy, adicione essa dependência ao seu ambiente de compute.

O PyTorch não consegue encontrar a libcudnn ao instalar o torch​

Ao instalar uma versão diferente de torch, você poderá ver o erro: ImportError: libcudnn.so.9: cannot open shared object file: No such file or directory. Isso ocorre porque o torch pesquisa a biblioteca cuDNN apenas no caminho local.

Solução recomendada:

Reinstale as dependências adicionando --force-reinstall ao instalar torch:

Python
%pip install torch --force-reinstall
Nesta página