GPU-вычисления без ошибок: настройка CUDA/cuDNN

Настройка CUDA/cuDNN: как избежать ошибок совместимости

Обратился к нам стартап: три недели не могли запустить тренировку LLaMA на двух A100. Ошибка "CUDA error: no kernel image is available" при импорте PyTorch. Переустановили окружение, проверили драйверы, версии — причина оказалась в том, что PyTorch был собран под CUDA 11.8, а в системе стояла CUDA 12.2. Мы подняли контейнер с правильной версией, настроили Persistence Mode, и производительность выросла на 40%. Такие кейсы — не редкость. Настраиваем CUDA/cuDNN под ключ: от аудита текущего окружения до оптимизации под конкретные фреймворки. Экономия на облачных вычислениях может достигать 50% при правильной конфигурации. Свяжитесь с нами для первичной консультации.

Согласно официальной матрице совместимости NVIDIA CUDA Support Matrix, версии драйвера, CUDA, cuDNN и фреймворков жёстко связаны. Несовпадение хотя бы на один пункт — и GPU простаивает.

Проблемы, которые решаем

Version hell — библиотеки ML требуют строгой привязки: драйвер → CUDA → cuDNN → PyTorch/TensorFlow. Ошибка на один пункт — и GPU простаивает. Мы автоматически проверяем матрицу совместимости через скрипты, исключая ручные ошибки.

Низкая производительность GPU — часто GPU работает в энергосберегающем режиме (P8) вместо производительного (P0). Падение FLOPS на 30–50%. Включаем Persistence Mode (nvidia-smi -pm 1) и настраиваем частоты.

Отсутствие воспроизводимости — настроили вручную, потеряли конфиг при переустановке. Мы создаём Docker-образы с зафиксированными версиями, которые гарантированно работают на любой машине с драйвером NVIDIA.

Типичные ошибки — gpu вычисления без

• no kernel image is available — несовпадение CUDA между PyTorch и системой.
• libcudnn.so.8 not found — отсутствует cuDNN или неверная версия.
• GPU utilization < 20% — энергосберегающий режим.
• Out of memory при batch size 32 — нехватка VRAM.

Как мы это делаем

Пример настройки для команды, использующей PyTorch и TensorFlow.

1. Аудит — проверяем текущие драйверы (nvidia-smi), версии nvcc, установленные CUDA Toolkit, cuDNN, фреймворки.

2. Выбор стратегии — для гибкости Conda-окружение с pytorch-cuda=12.1. Для production — Docker-образ на основе nvidia/cuda:12.1.1-cudnn8-runtime-ubuntu22.04.

3. Установка — используем Dockerfile:

   FROM nvidia/cuda:12.1.1-cudnn8-runtime-ubuntu22.04
   RUN conda create -n ml python=3.11 pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
   CMD ["python", "-c", "import torch; print(torch.cuda.is_available())"]
   

4. Валидация — запускаем тест на матричное умножение 8192x8192 (FP16), проверяем latency p99, GPU utilization через nvidia-smi dmon.

5. Оптимизация — включаем torch.backends.cudnn.benchmark=True, устанавливаем NVIDIA_TF32_OVERRIDE=0 для максимальной точности.

Сравнение способов установки

Docker лучше ручной установки по воспроизводимости и изоляции, сравним по производительности при правильной настройке контейнера. Рекомендуем Docker для production, Conda — для быстрых экспериментов.

Таблица совместимости версий для популярных фреймворков

Почему Docker — предпочтительный выбор для production?

Docker гарантирует одинаковое окружение на всех этапах: разработка, тестирование, продакшен. Нет проблем с "на моей машине работает". Фиксируем CUDA, cuDNN, Python, фреймворки в одном Dockerfile. Документация по CUDA Toolkit и cuDNN доступна на официальном сайте NVIDIA.

Conda подходит для исследовательских проектов, где важна скорость развёртывания и гибкость. Conda автоматически устанавливает совместимые CUDA и cuDNN для PyTorch и TensorFlow, но не предоставляет полной изоляции. Экономия бюджета на тестирование гипотез — до 50% за счёт быстрой переконфигурации.

Процесс работы

1. Discovery (1–2 дня) — анализ текущего стека, версий, требований фреймворков, целей по производительности.
2. Проектирование (1 день) — выбор версий CUDA/cuDNN/драйвера, подготовка скриптов установки или Dockerfile.
3. Реализация (2–3 дня) — установка на вашей инфраструктуре (bare metal, VM, Kubernetes).
4. Тестирование (1–2 дня) — unit-тесты фреймворков, нагрузочный тест на вашей модели, сравнение с эталоном.
5. Деплой и документация (1 день) — передача окружения, README с точными версиями, описание процедуры обновления.

Сроки и стоимость

Срок настройки: от 2 до 5 дней в зависимости от сложности инфраструктуры. Стоимость рассчитывается индивидуально после аудита. Получите консультацию — свяжитесь с нами для оценки вашего проекта.

Что входит в работу и наши гарантии

• Полный аудит текущего окружения с отчётом о версиях и узких местах.
• Выбор оптимальной стратегии (Docker/Conda/manual) под ваш проект.
• Установка и настройка драйверов, CUDA Toolkit, cuDNN, фреймворков.
• Создание Docker-образов или Conda-окружений с фиксацией версий.
• Нагрузочное тестирование с метриками производительности.
• Документация: README, инструкция по обновлению, скрипты для CI/CD.
• Поддержка при развёртывании на production-серверах.

Опыт: более 7 лет работы с ML-инфраструктурой. Более 50 успешных проектов по настройке GPU-окружений (от одиночных RTX до кластеров A100). Сертифицированные инженеры NVIDIA. Гарантируем совместимость всех версий и ускорение вычислений минимум на 20%. Закажите настройку с гарантией совместимости — получите рабочее окружение за 3 дня.

MLOps: инфраструктура для обучения, деплоя и мониторинга ML-моделей

Модель обучена, метрики — F1 0.94 на валидации. Через три месяца в продакшене качество падает на 12%. Никто не знает, когда именно — нет мониторинга. Нельзя быстро переобучить — обучающий скрипт лежит в Jupyter-ноутбуке у data scientist’а, который уже уволился. Данные для ретрейна собирают руками из трёх разрозненных систем. Примерно половина проектов приходят к нам с этой болью. Мы строим MLOps платформу под ключ: от трекинга экспериментов до автоматического деплоя и мониторинга дрейфа данных. Оценим вашу инфраструктуру за 1–2 недели, а через 4–6 недель вы получите базовое ядро MLOps, работающее в продуктивном контуре. Наша команда — 10+ лет опыта в ML-инфраструктуре, более 50 внедрений.

Experiment tracking и воспроизводимость

Без трекинга ML-проект превращается в хаос: непонятно, какой чекпоинт лучше, какие гиперпараметры использовались, какой датасет. Воспроизвести результат через месяц — квест.

MLflow — open source стандарт для трекинга. Логирует параметры, метрики, артефакты (модели, графики) и код. MLflow Model Registry — централизованное хранилище моделей с версионированием и lifecycle stages (Staging → Production → Archived). Деплой через MLflow Serving или интеграция с внешними системами.

Типичная инициализация в коде:

import mlflow

mlflow.set_experiment("fraud-detection-v2")
with mlflow.start_run():
    mlflow.log_params({"learning_rate": 3e-4, "batch_size": 64, "epochs": 10})
    mlflow.log_metric("val_f1", val_f1, step=epoch)
    mlflow.pytorch.log_model(model, "model")

Это минимум. В production добавляем логирование системных метрик (GPU utilization, memory), датасета (hash, версия), кода (git commit hash). Weights & Biases — более богатый UI, collaboration features, sweep для hyperparameter optimization. MLflow — для on-premise deployment без внешних зависимостей.

DVC (Data Version Control) — версионирование данных и моделей поверх git. Данные хранятся в S3/GCS/Azure Blob, в git — только метаданные (хэши). dvc repro воспроизводит весь пайплайн от сырых данных до метрик.

Как обеспечить воспроизводимость обучения? Фиксируйте random seeds (torch.manual_seed, numpy.random.seed, random.seed) и записывайте их в метаданные эксперимента. Без этого дебаггинг нерегулярных результатов — боль. Логируйте версию датасета (DVC hash) и git commit — тогда любой эксперимент можно повторить с точностью до байта.

Оркестрация пайплайнов: Kubeflow, Airflow, Prefect

Когда нужен оркестратор пайплайнов? Скрипт обучения на 100 строк в cron — нормально для простых задач. Но как только появляется multi-step пайплайн (загрузка данных → preprocessing → feature engineering → обучение → валидация → деплой если качество выше порога), нужен оркестратор с retry-логикой, визуализацией, алертами.

Kubeflow — Kubernetes-native оркестратор для ML (см. Wikipedia). Каждый шаг — Docker-контейнер. Поддерживает параллельные шаги, условные ветки, артефакты между шагами. Интегрируется с Katib (AutoML), KServe (serving), Feast (feature store).

Apache Airflow — более общий DAG-оркестратор. Широкая экосистема операторов (S3, Spark, DBT, Kubernetes). Проще развернуть, если уже есть Airflow в компании.

Prefect / Metaflow — меньше boilerplate. Prefect 2.x с декораторами @flow и @task — быстрый старт для небольших команд.

Типичная архитектура обучающего пайплайна на Kubeflow:

1. Data ingestion component — забирает данные из S3/БД, валидирует схему через Great Expectations
2. Preprocessing component — трансформации, normalization, train/val/test split
3. Training component — обучение на GPU, логирование в MLflow
4. Evaluation component — вычисление метрик, сравнение с baseline в Model Registry
5. Conditional deployment — деплой только если новая модель лучше текущей на >2% F1

Каждый component — отдельный Docker-образ. Пайплайн версионируется в git. Запуск по расписанию (ретрейнинг раз в неделю на новых данных) или вручную.

Model Registry и управление жизненным циклом

Model Registry — не просто хранилище чекпоинтов. Это централизованная система, которая знает:

• Какая модель сейчас в продакшене (и с какими метриками)
• История всех версий с параметрами обучения
• Метаданные: датасет, git commit, результаты валидации
• Lifecycle stage: None → Staging → Production → Archived

MLflow Model Registry — стандарт. Для enterprise — Vertex AI Model Registry (GCP), SageMaker Model Registry (AWS), Azure ML Model Registry.

Продвижение модели через стейджи: автоматически переводим модель в Staging после успешного прохождения eval, затем ручное или автоматическое (при A/B тесте) продвижение в Production. Rollback — переключение на предыдущую Production-версию за секунды.

Serving: от FastAPI до Triton Inference Server

Простой случай. FastAPI + PyTorch/ONNX на одном сервере — 80% production ML deployments именно так. Достаточно для большинства задач с нагрузкой до 100 req/s.

from fastapi import FastAPI
import onnxruntime as ort

app = FastAPI()
session = ort.InferenceSession("model.onnx", providers=["CUDAExecutionProvider"])

@app.post("/predict")
async def predict(request: PredictRequest):
    inputs = preprocess(request.text)
    outputs = session.run(None, {"input_ids": inputs})
    return {"label": postprocess(outputs)}

Triton Inference Server — production-стандарт для высоких нагрузок (500+ req/s). Dynamic batching, concurrent model execution, model ensemble. Поддерживает TensorRT, ONNX, PyTorch TorchScript, TensorFlow SavedModel.

KServe — Kubernetes-native ML serving с autoscaling, canary deployments, A/B testing из коробки. Scale-to-zero для неактивных моделей — экономия на инфраструктуре до 40% (более 1.2 млн рублей в год для проекта с 10 моделями).

Мониторинг: data drift, model drift, инфраструктурные метрики

Мониторинг — то, что обычно делают в последнюю очередь и о чём жалеют в первую. Три уровня.

Инфраструктурный мониторинг. Latency (P50/P95/P99), throughput (req/s), error rate (4xx, 5xx), GPU/CPU utilization. Prometheus + Grafana — стандарт. Алерт при P99 latency > threshold или error rate > 1%.

Data drift мониторинг. Распределение входных данных меняется со временем. Детектируем через PSI (Population Stability Index) для числовых признаков: PSI > 0.2 — сильный дрейф. Chi-squared test для категориальных, Kolmogorov-Smirnov test для непрерывных. Evidently AI — open source библиотека с готовыми дрейф-тестами.

Model drift мониторинг. Если есть ground truth с задержкой (например, через неделю знаем конверсию) — мониторим реальные метрики. Если нет — surrogate метрики: распределение prediction scores, доля confident predictions.

Alerting. Три уровня: INFO (небольшой дрейф, логируем), WARNING (значимый, уведомляем команду), CRITICAL (качество упало ниже порога — автоматическое переключение на fallback-модель).

Почему важен мониторинг дрейфа данных? Без него вы узнаёте о деградации модели только по жалобам пользователей или звенящему SLA. Алерт о дрейфе позволяет переобучить модель заранее, до того как ошибки начнут приносить убытки. В одном из наших проектов мониторинг PSI выявил дрейф через 2 дня после изменения источника данных — это спасло кампанию с бюджетами на 2 млн рублей.

Feature Store

Feature Store решает проблему training-serving skew. Если preprocessing во время обучения и инференса реализован в двух разных местах — расхождение неизбежно.

Когда нужен Feature Store?

• Несколько моделей используют одни и те же признаки
• Признаки вычисляются из потоковых данных (real-time)
• Большая команда с разными людьми на feature engineering и model training

Feast — open source Feature Store. Офлайн store (S3 + Parquet) для обучения, онлайн store (Redis, DynamoDB) для low-latency инференса. Feature definitions как код, materialization job синхронизирует офлайн → онлайн.

Tecton (коммерческий), Vertex AI Feature Store (GCP), SageMaker Feature Store (AWS) — managed варианты с меньшим ops overhead.

CI/CD для ML

ML CI/CD — обычный CI/CD плюс специфичные ML-шаги.

ML-специфичные checks в CI:

• Проверка воспроизводимости: запустить обучение с фиксированным seed, результат должен совпадать
• Data validation: Great Expectations или Pandera на schema/distribution checks
• Model performance check: автоматический eval на holdout, блокировать merge если деградация > порога
• Latency regression test: inference должен укладываться в SLA

GitOps для деплоя. Merge в main → CI запускает обучение → eval → если проходит → автоматический деплой в Staging → smoke tests → ручное продвижение в Production или автоматическое при успешном canary.

Инструменты: GitHub Actions / GitLab CI для CI, ArgoCD для GitOps-деплоя на Kubernetes.

Что входит в разработку MLOps-платформы

Мы предоставляем полный цикл работ, документацию и обучение команды.

Итоговый срок от аудита до полноценной MLOps-платформы: 3–5 месяцев. Также возможен поэтапный запуск: базовый уровень (трекинг + serving) за 4–6 недель.

Стоимость рассчитывается индивидуально под объём данных, количество моделей и требования к инфраструктуре. Закажите аудит MLOps-инфраструктуры — получите roadmap за 1–2 недели. Свяжитесь с нами для оценки вашего проекта — мы пришлём предварительный расчёт за 2 рабочих дня.

Обратите внимание: гарантия на архитектурные решения — 12 месяцев. Предоставляем сертификаты интеграции с основными облачными провайдерами (AWS, GCP, Azure). За время работы мы не потеряли ни одного клиента после первого внедрения — опыт 50+ успешных MLOps-проектов говорит сам за себя. Получите консультацию по построению MLOps платформы уже сегодня.