智能计算灵骏的问题汇总_人工智能平台 PAI(PAI)-阿里云帮助中心

本文为您介绍智能计算灵骏的常见问题。

如何创建、删除集群下的节点分组？

您有两种方式为灵骏集群创建分组。
- 创建集群时，为集群创建分组。更多信息，请参见集群和分组配置。
- 创建集群完成后，为已有的集群创建分组。
  1. 在左侧导航栏，选择资源与节点>集群管理。
  2. 单击相应的集群ID/名称。
  3. 单击节点分组页签。
  4. 单击新建分组。输入节点组的分组名称、默认机型等信息。
  5. （可选）创建完集群分组后，您可以编辑相应集群分组的名称或删除集群分组。
删除集群下的节点分组。
1. 在左侧导航栏，选择资源与节点>集群管理。
2. 单击相应的集群ID/名称。
3. 单击节点分组页签。
4. 在相应的节点分组后的操作列单击删除。
5. 在对话框中单击确定。

删除集群时，为什么提示需先删除所有分组下的节点？

您需要先对集群进行缩容，保证集群下没有节点，才能删除集群，具体操作请参见删除集群。

为什么深度学习和神经网络需要GPU？

GPU与CPU的对比如下表所示。

对比项	GPU	CPU
算术运算单元（ALU）	大量擅长处理大规模并发计算的算术运算单元（ALU）。	拥有强大的算术运算单元（ALU），但数量较少。
逻辑控制单元	相对简单的逻辑控制单元。	复杂的逻辑控制单元。
缓存	缓存较低且用于服务线程，不用于保存访问的数据。	拥有大量缓存结构，能够将数据保存至缓存，从而提高访问速度、降低时延。
响应方式	需要将全部任务整合后，再进行批处理。	实时响应，对单个任务的响应速度较快。
适用场景	适用于计算密集、相似度高、多线程并行的高吞吐量运算场景。	适用于对响应速度有要求，逻辑复杂的串行运算场景。

最适合GPU的计算类型是可以并行完成的计算，您可以使用并行编程方法和GPU加速计算。而神经网络是高度并行的，非常适合用GPU进行计算。最典型的例子比如卷积，每个卷积计算都独立于其他卷积计算，这意味着任何计算都不依赖于其他计算的结果。您使用神经网络进行的许多计算都可以很容易地分解成更小的计算，各个小计算不会相互依赖。

智能计算灵骏与普通GPU托管服务有什么不同？

智能计算灵骏集群采用专为大规模AI计算场景所设计的系统架构和多层性能优化技术，能充分利用整体的计算、通信和内存能力。在并行度极高的大规模计算场景，比如自然语言处理、自动驾驶模型训练、推荐引擎等，相比普通GPU托管服务可以减少训练的时间和成本，建立更大、更复杂的模型。

开通集群后，是否需要安装GPU驱动？

灵骏计算节点的操作系统镜像中已包含GPU驱动，您可以使用nvidia-smi确认GPU驱动已正确安装并查询显卡状态。

如何查询GPU显卡的详细信息？

不同操作系统的灵骏节点实例，查看GPU显卡信息的操作有所区别，具体说明如下：

如果您的灵骏节点安装了Linux操作系统，您可以执行命令nvidia-smi，查询GPU显卡的详细信息。
如果您需要了解GPU显卡的空闲率、使用率、温度以及功率等信息，可以前往数据大盘查看。具体操作，请参见数据大盘。

如何使用eGPU套件？

灵骏节点默认安装eGPU软件包的试用版，试用期为3个月。如您希望使用更长时间，请提交工单。目前eGPU的长期授权仅对企业认证用户开放。