返回资源列表

NVIDIA Developer Blog · Ekin Karabulut · David Lifshitz · Hagay Sharon

Memory-Enforced GPU Sharing in Kubernetes with NVIDIA CUDA 13.4

Memory-Enforced GPU Sharing in Kubernetes with NVIDIA CUDA 13.4是NVIDIA Developer Blog的免费文章(en)。前置条件:需了解 Kubernetes 基础(Pod、注解、Helm)与 GPU 显存、CUDA 计算的基本概念。

了解在 Kubernetes 上用 CUDA 13.4 与 GPU Fractioning Operator 为工作负载强制显存上限、并按容器选择计算共享模式的做法。

打开官方课程
难度
见前置条件
类型
博客 · 文章
语言
en
规模
1 个课节
内容费用
免费
动手
需要动手环境

使用限制

阅读文章本身无需账号;动手实践需要 Kubernetes 集群和 NVIDIA GPU 节点。

练习与作业
带 NVIDIA GPU 的 Kubernetes 节点(启用 MPS、CUDA 13.4)若使用云上 GPU 集群,会产生云资源费用
  1. 选择学习环境

    按你的电脑系统准备;提示词在你自己的电脑上使用。

    本机动手

    先通读文章理解三种共享方式与新的 CUDA 13.4 显存边界,再对照注解表准备自己的 Pod 配置。

    练习通常需要可用的 Kubernetes 集群与 NVIDIA GPU 节点;阅读节选内容只需浏览器。

  2. 准备工具和账号

    标“选用”的可以跳过。

    • 浏览器阅读 NVIDIA 技术博客正文
    • Kubernetes 集群 + Helm选用安装 KAI Scheduler 并验证 NvFractions 模式
    • GPU Fractioning Operator 仓库 选用查阅安装与配置说明
    • 已安装的 Kubernetes 集群与 Helm,以及 NVIDIA GPU Operator用于练习与作业

    运行费用:实践可能产生费用,实际部署需 Kubernetes 集群与 NVIDIA GPU 节点(如云端 GPU 实例),可能产生云资源费用;网页未说明具体费用。

  3. 让 AI Agent 一次搭好课程

    复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。

    开课提示词 · 只需用一次此提示词尚未实测验证
    请帮我把「Memory-Enforced GPU Sharing in Kubernetes with NVIDIA CUDA 13.4」的学习环境一次准备好,让我之后只需要按顺序学习和做练习。
    开始前先问我:课程放在哪个目录(等我给出完整路径),确认我的操作系统和已有工具。确认前不要创建文件或安装软件。
    
    课程入口:https://developer.nvidia.com/blog/memory-enforced-gpu-sharing-in-kubernetes-with-nvidia-cuda-13-4/
    我的系统:Windows。如果实际不符,先调整方案。
    本次路线:Windows:本机动手。只准备这条路线需要的工具;只读路线不安装运行环境、不配置模型密钥。
    练习:在自有或云端 GPU 集群上启用 NvFractions,写一个声明显存请求与上限的 Pod 注解并观察限制是否生效。
    课节(官方顺序):
    1. Memory-Enforced GPU Sharing in Kubernetes with NVIDIA CUDA 13.4:https://developer.nvidia.com/blog/memory-enforced-gpu-sharing-in-kubernetes-with-nvidia-cuda-13-4/
    
    1. 环境
    - 浏览器(阅读)
    - 可选:Kubernetes 集群 + Helm + NVIDIA GPU 节点(实践)
    - 安装前先列出要装的软件和命令,等我同意;已装好的直接复用。
    2. 材料
    - 官方课程页面:只记录链接 https://developer.nvidia.com/blog/memory-enforced-gpu-sharing-in-kubernetes-with-nvidia-cuda-13-4/
    3. 目录(最外层放在我确认的位置)
    nvidia-cuda-13-4-gpu-fractioning/
    ├── README.md        # 课程入口、课节清单、每次怎么开始
    ├── progress.md      # 每课:读讲义 / 做练习 / 记笔记
    ├── questions.md     # 待解决的问题
    ├── check-env.ps1     # 环境自检,按 README 操作
    ├── data/            # 练习用到的样例数据
    └── lessons/         # 每课一个文件夹:notes.md + exercises/
        └── 01-01-memory-enforced-gpu-sharing-in/
    - 每课文件夹里建 notes.md(顶部写本课官方链接)和 exercises/;课节文件夹名称与上面一致。
    - 已有课程目录先检查并复用;不覆盖笔记、作业或 progress.md,不重置已有进度。尚未发布的课节保留入口并注明未发布,不能代写讲义或虚构练习。
    4. 自检
    - 创建 check-env.ps1,逐项检查并记录“通过/未通过”:
    - 在课程根目录运行;每项检查独立执行,进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令,不使用 Bash 语法。
      - 打开博客页面,确认能看到“Oct 27, 2026”发布日期与 GPU Fractioning Operator 小节  → 正文完整可读,无付费墙
      - (实践)helm list -n kai-scheduler  → 能列出已安装的 kai-scheduler 发行版
      - (实践)kubectl get pods -A | grep -i fractioning  → 能看到 gpu-fractioning 相关 Pod 运行
    - 标注为人工检查、浏览器操作或 notebook 单元的项目,按相应方式操作,不直接粘贴进 shell;脚本只包含当前系统可执行的命令。
    - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项;需要登录、付费或尚未开放的材料记为“需要我操作/未验证”,不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
    - 运行一次,把结果给我看;未通过的项目说明原因和修复办法。
    5. 学习计划
    - README.md:课程入口、课节清单(带链接)、每次学习怎么开始(使用“每课提示词”)。
    - progress.md:每课三项勾选——读讲义、做练习、记笔记。
    6. 最后分三部分汇报:已完成、需要我自己操作的、尚未验证的。
    
    边界:
    - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。
    - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。
    - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。
    如果你不能直接操作我的文件系统,请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
    搭好后的课程目录
    nvidia-cuda-13-4-gpu-fractioning/
    ├── README.md        # 课程入口、课节清单、每次怎么开始
    ├── progress.md      # 每课:读讲义 / 做练习 / 记笔记
    ├── questions.md     # 待解决的问题
    ├── check-env.ps1     # 环境自检,按 README 操作
    ├── data/            # 练习用到的样例数据
    └── lessons/         # 每课一个文件夹:notes.md + exercises/
        └── 01-01-memory-enforced-gpu-sharing-in/
准备好了,开始学习

常见问题

免费吗?

免费:节选可直接读到正文、注解表格与 Helm 命令,页面未设付费墙或登录拦截,文中称相关工具为开源。实践可能产生费用:实际部署需 Kubernetes 集群与 NVIDIA GPU 节点(如云端 GPU 实例),可能产生云资源费用;网页未说明具体费用。

需要什么基础?

需了解 Kubernetes 基础(Pod、注解、Helm)与 GPU 显存、CUDA 计算的基本概念。软件、账号与硬件:练习通常需要可用的 Kubernetes 集群与 NVIDIA GPU 节点;阅读节选内容只需浏览器。

有中文吗?

本站记录的语言是en;是否有中文字幕或译本本站未核实,请以原站为准。

怎么开始?

从原始资源入口开始:https://developer.nvidia.com/blog/memory-enforced-gpu-sharing-in-kubernetes-with-nvidia-cuda-13-4/。本页“学前准备”列出环境与工具,“学习指南”给出开课提示词,可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。练习与作业需要自备:带 NVIDIA GPU 的 Kubernetes 节点(启用 MPS、CUDA 13.4)、若使用云上 GPU 集群,会产生云资源费用。

来源与使用须知

收录时间
本站首次收录 2026-10-28原站首次发布 2026-10-28
指南参考

版权与转载

  • 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。