在 Kubernetes 中调度 GPU 资源
💡
原文中文，约16800字，阅读约需40分钟。
📝
内容提要
本文介绍了在Kubernetes中调度和使用GPU资源的方法，包括准备GPU环境、在Docker容器中使用GPU资源以及在Kubernetes集群中调度GPU资源。通过这些方法，用户可以充分利用GPU资源进行深度学习等任务。
🎯
关键要点
-
GPU 在人工智能和深度学习中变得越来越重要。
-
在 Kubernetes 中调度和使用 GPU 资源需要准备相应的环境。
-
可以通过阿里云的共享型 GPU 实例进行实验，价格便宜。
-
安装 NVIDIA 驱动时需注意实例规格，计算型实例需要手动安装驱动。
-
CUDA 是 NVIDIA 提供的并行计算平台，通常与 NVIDIA 驱动一起安装。
-
在 Docker 容器中使用 GPU 资源需要安装 nvidia-container-runtime 运行时。
-
Docker 19.03 版本后支持 --gpus 参数，可以方便地在容器中使用 GPU。
-
在 Kubernetes 中调度 GPU 资源需要安装 nvidia-container-runtime 和 NVIDIA 设备插件。
-
NVIDIA 设备插件可以管理和调度容器中的 GPU 资源。
-
创建 Pod 时需指定 GPU 资源的使用，Kubernetes 会根据可用资源调度 Pod。
➡️
