Saltar al contenido principal

Tutorial: tu primer laboratorio

Al terminar tendrás un laboratorio listo, un notebook con GPU ejecutando código y la certeza de que tus archivos sobrevivirán a un reinicio.

Antes de empezar​

  • Cuenta en Studio con la sección Laboratorio visible.
  • Capacidad de GPU disponible en tu Cliente. Si no la hay, la creación lo dirá ("No hay capacidad disponible ahora mismo para esta talla o recursos"); un administrador puede verlo en el Panel.
  • Diez minutos, de los que dos son de espera.

Paso 1: crear el laboratorio en Studio​

Abre Laboratorio y pulsa Nuevo laboratorio. Nombre prueba-gpu (minúsculas y guiones; por proyecto, no por persona: el laboratorio se puede compartir). Modo de recursos: Talla, y deja la talla por defecto. Pulsa Nuevo laboratorio.

Diálogo Nuevo laboratorio en modo Talla

La tarjeta aparece como Pendiente, luego Preparando laboratorio y en uno o dos minutos Listo. Los cuatro chips muestran uso / tope de CPU, memoria, VRAM y disco: todavía todo en cero, porque no has lanzado nada.

Qué acabas de hacer: pediste a Frida un espacio aislado con el presupuesto de la talla. Todo lo que lances dentro se descontará de esos chips (Cómo funciona un laboratorio por dentro).

Paso 2: abrir el panel del laboratorio​

Pulsa Abrir. Se abre, en otra pestaña, el panel del laboratorio con el identificador del laboratorio arriba y el menú Notebooks, Volumes, Pipelines, etc. a la izquierda.

Inicio del panel del laboratorio

Paso 3: crear el notebook​

En Notebooks, pulsa New Notebook:

Formulario New notebook: nombre, entorno e imagen

  1. Name: hola-gpu.
  2. Entorno JupyterLab, imagen por defecto.
  3. CPU / RAM: 1 CPU y 4 Gi de memoria. Con talla S es lo máximo recomendable; con M o L puedes subir (Configuración avanzada).
  4. GPUs: Number of GPUs 1 y el proveedor que aparezca.

Parte baja del formulario: GPUs, Workspace Volume, Data Volumes y LAUNCH

  1. Workspace Volume: deja el volumen nuevo tal cual (hola-gpu-workspace, 10Gi). No cambies la ruta de montaje (/home/jovyan): es la única carpeta que sobrevive a un reinicio (por qué).
  2. Configurations: marca Allow access to Kubeflow Pipelines API si después quieres seguir con el tutorial de pipelines.
  3. LAUNCH.

En la lista, el notebook aparece con estado de espera y en un minuto con el icono verde. En Studio, los chips del laboratorio ya muestran VRAM 12288 / 12288 (con talla M): la GPU queda reservada mientras el notebook esté encendido, aunque no ejecute nada.

Paso 4: usar la GPU​

Pulsa CONNECT. En JupyterLab crea un notebook de Python y ejecuta:

import torch
print(torch.cuda.is_available(), torch.cuda.get_device_name(0))
free, total = torch.cuda.mem_get_info()
print(f"VRAM visible: {total/2**30:.1f} GiB, libre: {free/2**30:.1f} GiB")

Verás True, el modelo de la tarjeta y una VRAM total igual a la de tu talla (12 GiB en M), no la de la tarjeta física. Es normal: la plataforma reparte la memoria de GPU por fracciones.

Paso 5: guardar y comprobar que persiste​

Guarda un archivo en tu carpeta personal (/home/jovyan/prueba.txt) y, en el panel, detén el notebook con el botón cuadrado. En Studio la VRAM del laboratorio vuelve a 0. Vuelve a lanzarlo, conéctate: el archivo sigue ahí.

Resultado​

Un laboratorio con un notebook que usa GPU, sabes qué ocupa de tu talla y comprobaste que tu trabajo vive en el volumen. Al terminar, detén el notebook: mientras esté encendido, la GPU cuenta como reservada para todo el Cliente.

Si algo no sale​

Qué vesCausaQué hacer
Creación rechazada: "No hay capacidad disponible ahora mismo…"El Cliente no tiene VRAM libre para la talla.Elige una talla menor o pide a otros dueños detener notebooks (Excede la cuota).
El notebook se queda en 0/1Pidió más de lo que queda en la talla, o eligió una clase de disco no permitida.Lee el motivo en la tarjeta del laboratorio en Studio (El notebook no arranca).
torch.cuda.is_available() devuelve FalseLanzaste el notebook sin GPU, o la imagen no trae CUDA.Edita el notebook: Number of GPUs 1 e imagen con CUDA.
La VRAM visible es menor de lo que esperabasEs la de tu talla.Sube de talla creando otro laboratorio; pedir 2 GPUs no ayuda.
Perdiste archivos al reiniciarCambiaste la ruta del Workspace Volume.El notebook perdió los archivos al reiniciar.

Llevarlo a tu caso​

  • Datos grandes: crea un Data Volume y móntalo en varios notebooks (Notebooks).
  • Un proceso que repites: conviértelo en pipeline.
  • Entrenamiento largo: lánzalo como trabajo y detén el notebook para cederle la GPU.
  • Comparte el laboratorio con un colega como Editor (Compartir); comparten el mismo presupuesto.

Siguiente paso​

Última actualización en