Environments

Environments — модуль для обучения моделей и препроцессинга данных с помощью суперкомпьютера Christofari, Spark-кластера или привычных DS-инструментов.

В рамках модуля можно:

  • Запустить обучение на ресурсах Christofari.V100, Christofari.A100 и SR.01 (CPU, V100) используя Jupyter Server/JupyterLab (со всеми возможностями, включая Jupyter Notebook и терминалы).

  • Просмотреть данные в быстром локальном хранилище кластера Christofari и Christofari Neo через интерфейс Jupyter Server/JupyterLab.

Используя интерфейс хранилища (Data Catalog → кнопка Отправить на NFS), библиотеку client_lib, которая входит в состав сервиса, или Data transfer service, можно переместить файлы с S3 в NFS ML Space («горячее хранилище»). К NFS-дискам имеет доступ как Jupyter Server, так и воркеры-исполнители задач на кластере Christofari. Файлы, которые находятся на NFS-дисках кластера, будут доступны как Jupyter Server, так и кластеру.

Взаимодействие с кластером осуществляется только посредством интерфейсов API, Jupyter Server/JupyterLab или терминала. С их помощью задача обучения модели отправляется на кластер. Отслеживать статус задачи можно как из вкладки Задачи и окружения, так и с помощью соответствующих методов библиотеки client_lib.

В модуле есть все необходимые утилиты для мониторинга:

  • Загрузки оборудования (Grafana®)

  • Моделей (TensorBoard®)

  • Эксперимент-менеджмента (MLflow®).

Это позволяет отслеживать загрузку ресурсов в разрезах CPU, GPU, RAM в любой момент времени.