筆電與伺服器分散式深度學習整合

需求說明

現有環境： - 伺服器：HPE DL380 G10 x3，搭載 NVIDIA Tesla V100 (32GB)、RTX A6000 (48GB)，OS 為 Ubuntu 20.04，CUDA 12.x。 - 網路：伺服器間 10GbE，筆電具 Thunderbolt 4。 - 深度學習框架：PyTorch、NCCL、cuDNN。 新設備： - 筆電：Intel i9-14900HX、64GB RAM、RTX 5000 GPU、4TB SSD、Windows 11 Pro，可安裝 Ubuntu 或 WSL2。 工作範圍： 1. 設定 PyTorch 分散式訓練環境（筆電 + 伺服器）。 2. 安裝與調整 NCCL、CUDA、cuDNN。 3. 設定 AMP（FP16）與 Adam Optimizer 的訓練測試。 4. 調整網路與 GPU 同步性能。 5. 提供完整設定文件與測試程式。 交付成果： - 可運行的分散式深度學習環境。 - 測試 AMP + Adam 的範例程式。 - 完整文件與操作教學。 需求條件： - 需具備深度學習、Linux 系統管理與 HPC 經驗。 ID: pei8210