FAQ – ML TUKE¶
Najčastejšie otázky o platforme pre strojové učenie na TUKE.
Základné informácie¶
Čo je ml.cloud.tuke.sk?
Univerzitná platforma pre strojové učenie postavená na Kubernetes + Kubeflow.
Používatelia získajú:
- Jupyter Notebooky
- RStudio
- VS Code (code-server)
- 4 CPU, 4 GB RAM, kvóta 60 GB na úložisko
Kto môže službu používať?
Každý študent a zamestnanec TUKE. Stačí sa prihlásiť svojím TUKE loginom.
Potrebujem o niečo žiadať?
Nie. Pri prvom prihlásení sa automaticky vytvorí vlastný namespace. Diskový zväzok vzniká až pri vytvorení notebooku.
Limity a zdroje¶
Aké limity má môj notebook?
| Parameter | Hodnota |
|---|---|
| CPU | 4 vCPU |
| RAM | 4 GiB |
| Úložisko | 60 GiB celkovo za všetky zväzky |
| GPU | Nie je dostupné |
Môžem použiť GPU?
Momentálne nie. GPU nie sú v ml.cloud.tuke.sk dostupné.
Prístup ku GPU bude riešený cez samostatnú HPC/AI infraštruktúru.
Čo ak potrebujem viac CPU/RAM?
Kontaktujte podporu:
Kapacity sa prideľujú individuálne pre predmety, výskum a projekty.
Notebooky¶
Ako sa spúšťa Jupyter Notebook?
- Prihláste sa na ml.cloud.tuke.sk
- V menu kliknite na Notebooks
- Stlačte New Notebook
- Vyberte image (pytorch, tensorflow)
- Nastavte CPU, RAM, Volume
- Kliknite Launch
- Po stave Running kliknite Connect
Môžem použiť vlastný Docker image?
Áno. Do poľa Custom Image zadajte:
Čo ak notebook neštartuje alebo zostane v Pending?
Najčastejšie dôvody:
- Dosiahnuté limity CPU/RAM
- Zle zadaný Docker image
- Chýba voľná kapacita
Riešenie: Znížte požadované CPU/RAM, použite oficiálny Kubeflow image.
Môžem notebook vypnúť a neskôr pokračovať?
Áno. Notebook sa dá kedykoľvek zastaviť, dáta zostanú uložené na PVC.
Dáta a súbory¶
Môžem si uložiť svoje dáta?
Áno. Súbory sa ukladajú na workspace zväzok notebooku:
- Je perzistentný
- Zostane zachovaný po vypnutí notebooku
- Je dostupný vo všetkých notebookoch v namespace
Ako si stiahnem súbory z notebooku?
- Upload/Download priamo v JupyterLab
- Vytvoriť ZIP a stiahnuť cez prehliadač
- Použiť Git (najodporúčanejšie pre kód)
Images a prostredia¶
Aký je rozdiel medzi TensorFlow, PyTorch a Generic image?
| Image | Použitie |
|---|---|
| PyTorch | Neurónové siete, NLP, CV |
| TensorFlow | TensorFlow/Keras modely |
| Generic | Ľahké notebooky, dátová analýza |
Kde nájdem spoločné dátové sady k cvičeniam?
Pri vytváraní notebooku zaškrtnite v sekcii Configurations voľbu Globálny zdieľaný dataset. Priečinok je spoločný pre všetkých používateľov, má kapacitu 200 GB a raz ročne sa jeho obsah maže.
Zostanú mi dáta, keď notebook zmažem?
Áno. Workspace zväzok existuje nezávisle od notebooku a zostane v sekcii Volumes. Ak ho už nepotrebujete, zmažte ho zvlášť.
Ako sa dostanem k súborom bez spusteného notebooku?
V sekcii Volumes kliknite pri zväzku na modrú ikonu priečinka. Otvorí sa webový prehliadač súborov, kde môžete súbory nahrávať aj sťahovať.
PyTorch dataloader mi hlási chybu zdieľanej pamäte
Pri vytváraní notebooku zapnite v časti Miscellaneous Settings prepínač Enable Shared Memory.
Môžem pracovať cez VS Code alebo RStudio?
Áno. Pri vytváraní notebooku sú hneď v prvom kroku na výber tri prostredia: JupyterLab, Visual Studio Code a RStudio. Vlastný image na to nepotrebujete.
Reprodukovateľnosť¶
Ako zabezpečiť reprodukovateľný kód?
- Používajte requirements.txt alebo conda environment.yml
- Ukladajte projekty do Git repozitára
- Používajte fixné verzie balíkov
- Nepracujte v default system env
Podpora¶
Kde sa hlásia technické problémy?
Pri hlásení uveďte:
- Čas problému
- Názov notebooku
- Zvolený image
- Screenshot chyby