AI
分散負荷でGPUクラスタを検証し、障害ノードを絞り込む制御器
GPUクラスタの稼働前検証に、実際の分散ワークロードを使うKubernetes制御器が加わった。NVIDIA Cluster Readiness…
TOPIC
Kubernetes
Technology
GPUクラスタのOS更新をジョブに合わせて進める管理ソフト「NodeWright」
GPUクラスタのノードOSを変更する際、稼働中のジョブを考慮して適用順序を制御する管理ソフト「NodeWright」が公開された。Kuberne…
AI
AIジョブ配置向けのGPU接続情報を自動更新するツール
GPUクラスタの接続関係を検出し、AIジョブの配置に使う情報へ変換するオープンソースツール「NVIDIA Topograph」が公開された。クラ…
AI
連合学習基盤NVIDIA FLARE、Slurm追加で3種の計算環境に対応
連合学習基盤NVIDIA FLARE 2.9がSlurmに対応した。常駐する連携処理とジョブの実行処理を分ける構成により、同じ連合学習に参加する…
Technology
中央セッション管理で複数クラウドの反復ログインを55％削減
中央で保持する共通セッションを地域ゲートウェイが検証し、分散した実行環境へ信頼済みのユーザー情報を渡す。NVIDIAによると、この構成を採用した…
AI
実運用ハーネス内でAIエージェントを直接訓練する共通環境
AIエージェントの実行環境を独立サービスへ分け、配備時と同じハーネス内で直接訓練できる共通基盤が公開された。隔離した実行領域をデータ収集、強化学…
AI
GPUとコンテナの状態復元でAI推論ワーカーの起動を短縮
初期化済みのAI推論ワーカーを保存し、GPUとコンテナの状態を戻すことで、起動時の処理を省けるようにする。NVIDIAの初期試作「Dynamo …