เลือก compute profile

managed workflow รันบน compute profile compute profile คือการรวม vCPU หน่วยความจำ และ GPU ที่กำหนดไว้ตายตัว คล้ายกับทรัพยากรที่คุณร้องขอจากตัวจัดตารางงาน HPC เมื่ออัปโหลด workflow คุณจะแมปขนาดของ workflow เช่น S และ M กับ profile และแต่ละการรันจะเลือกหนึ่งในขนาดเหล่านั้น จากนั้น job จะรันบน node ของตัวเองด้วย profile นั้น และใช้ profile นั้นจนกว่า job จะสิ้นสุด

Profile	vCPU	หน่วยความจำ (GB)	GPU
8x32	8	32	ไม่มี
16x128	16	128	ไม่มี
48x768	48	768	ไม่มี
128x1500	128	1500	ไม่มี
24x120x1l40s	24	120	1 L40S
20x320x2a100	20	320	2 A100
80x1200x8a100	80	1200	8 A100
160x1792x8h100	160	1792	8 H100

ID ของ profile มีรูปแบบ {cpu}x{memory} โดยหน่วยความจำเป็น GB หรือ {cpu}x{memory}x{count}{gpu} สำหรับ profile ที่มี GPU ตัวอย่างเช่น 24x120x1l40s มี vCPU 24 ตัว หน่วยความจำ 120 GB และ NVIDIA L40S GPU หนึ่งตัว

ตรวจสอบ profile ที่ใช้ได้

หากต้องการดูว่ามี profile ใดให้ใช้บ้าง ให้เรียก compute_profiles():

run_workflow_remotely.ipynb

from qiskit_ibm_catalog import ManagedWorkflowClient

client = ManagedWorkflowClient()
print(client.compute_profiles())

8x32            (8 vCPU / 32 GB)
16x128          (16 vCPU / 128 GB)
48x768          (48 vCPU / 768 GB)
128x1500        (128 vCPU / 1500 GB)
24x120x1l40s    (24 vCPU / 120 GB / 1l40s)
20x320x2a100    (20 vCPU / 320 GB / 2a100)
80x1200x8a100   (80 vCPU / 1200 GB / 8a100)
160x1792x8h100  (160 vCPU / 1792 GB / 8h100)

ค้นหา profile จากทรัพยากร

แทนที่จะพิมพ์ ID ของ profile คุณสามารถอธิบายทรัพยากรที่ workflow ต้องการด้วย compute_profile() และใช้ผลลัพธ์เป็นค่าใน sizes_map ส่ง cpu และ memory เป็น GB และส่ง gpu สำหรับ profile ที่มี GPU:

run_workflow_remotely.ipynb

profile = client.compute_profile(cpu=24, memory=120, gpu="1l40s")
print(profile)  # 24x120x1l40s

sizes_map = {"S": "8x32", "L": profile}

sizes_map รับทั้ง ID ของ profile และ profile ที่ compute_profile() คืนมา และคุณผสมทั้งสองแบบในแมปเดียวได้ หากต้องการตรวจสอบ ID ของ profile ก่อนอัปโหลด ให้ส่งไปยัง compute_profile() เช่น client.compute_profile("16x128") ถ้าไม่มี profile ที่ตรงกัน ข้อผิดพลาดจะแสดงรายการ profile ที่ใช้ได้

compute_profiles() คืนลิสต์ ดังนั้นคุณจึงกรองเองได้ด้วย ตัวอย่างเช่น โค้ดต่อไปนี้หา profile ที่มี GPU:

run_workflow_remotely.ipynb

gpu_profiles = [p for p in client.compute_profiles() if p.gpu]

ตั้งค่า compute profile เริ่มต้นสำหรับ workflow ของคุณ

workflow ส่วนใหญ่เริ่มด้วยขนาดเดียว ให้แมปขนาดนั้นกับ profile ด้วย sizes_map และตั้งเป็นค่าเริ่มต้นด้วย default_size เมื่ออัปโหลด workflow:

run_workflow_remotely.ipynb

from qiskit_ibm_catalog import ManagedWorkflow, ManagedWorkflowClient

client = ManagedWorkflowClient()

my_workflow = client.upload(
    ManagedWorkflow(
        title="my-workflow",
        entrypoint="my_workflow.py",
        working_dir="./source_files/",
        sizes_map={"M": "16x128"},
        default_size="M",
    )
)

ทุกการรันของ workflow ใช้ profile นี้ ดังนั้นคุณไม่ต้องส่งขนาดเมื่อรัน:

run_workflow_remotely.ipynb

job = my_workflow.run(circuits=circuits)  # Runs on 16x128

แนวปฏิบัติที่ดี: จับคู่ขนาดกับขนาดของปัญหา

workflow แก้ปัญหาเฉพาะอย่าง และอาจต้องใช้ compute profile ที่ต่างกันเมื่อปัญหามีขนาดและความซับซ้อนเพิ่มขึ้น เมื่อมี sizes_map สำหรับแต่ละ workflow คุณทำสิ่งต่อไปนี้ได้:

• ให้ทรัพยากรคำนวณเพียงพอแก่ปัญหาขนาดใหญ่เพื่อให้รันจนเสร็จ

• ป้องกันไม่ให้ปัญหาขนาดเล็กใช้ node ที่ใหญ่เกินความจำเป็น

คุณกำหนดขนาดตามปัจจัยที่กำหนดการใช้หน่วยความจำและ CPU ของ workflow ได้ เช่น ขนาดของ subspace จำนวน batch หรือจำนวน qubit

กำหนดขนาด

คุณแมปได้สูงสุดสี่ขนาด สำหรับปัญหาขนาดเล็ก (S) กลาง (M) ใหญ่ (L) และใหญ่พิเศษ (XL) ตัวอย่างเช่น โค้ดต่อไปนี้กำหนด workflow ที่มีสามขนาด:

run_workflow_remotely.ipynb

sizes_map = {"S": "8x32", "M": "16x128", "L": "128x1500"}

my_workflow = client.upload(
    ManagedWorkflow(
        title="my-workflow",
        entrypoint="my_workflow.py",
        working_dir="./source_files/",
        sizes_map=sizes_map,
        default_size="M",
    )
)

กฎของขนาด

ป้ายกำกับขนาดต้องเป็น S, M, L หรือ XL ดังนั้น workflow กำหนดขนาดได้สูงสุดสี่ขนาด managed workflow จับคู่ป้ายกำกับทั้งตัวพิมพ์ใหญ่และตัวพิมพ์เล็ก และเก็บเป็นตัวพิมพ์ใหญ่ สองขนาดแมปไปยัง profile เดียวกันได้

workflow จะปฏิเสธการอัปโหลดครั้งแรกในกรณีต่อไปนี้:

• ป้ายกำกับไม่ใช่ S, M, L หรือ XL

• คุณตั้ง sizes_map โดยไม่มี default_size หรือตั้ง default_size โดยไม่มี sizes_map

• default_size ไม่ใช่หนึ่งในป้ายกำกับใน sizes_map

• ค่าใน sizes_map ไม่ใช่ compute profile ที่ใช้ได้

เปลี่ยนขนาดเมื่ออัปโหลดซ้ำ

เมื่อคุณอัปโหลด workflow อีกครั้งด้วย title เดิม managed workflow จะจัดการขนาดดังนี้:

• ถ้าคุณตั้ง sizes_map ขนาดใหม่จะแทนที่ขนาดที่เก็บไว้ทั้งหมด

• ถ้าคุณไม่ระบุ sizes_map workflow จะคงขนาดที่เก็บไว้และค่าเริ่มต้นไว้

• หากต้องการเปลี่ยนเฉพาะค่าเริ่มต้น ให้ตั้ง default_size โดยไม่มี sizes_map ค่าของ default_size ต้องเป็นหนึ่งในขนาดที่เก็บไว้

ให้ตั้ง default_size ทุกครั้งที่คุณตั้ง sizes_map การอัปโหลดซ้ำไม่บังคับให้มี default_size แต่ถ้าขนาดใหม่ไม่รวมค่าเริ่มต้นเดิม workflow จะไม่มีค่าเริ่มต้น และทุกการรันที่ไม่ระบุ function_size จะล้มเหลว

เลือกขนาดสำหรับแต่ละการรัน

ส่ง function_size ให้ run() เพื่อเลือกหนึ่งในขนาดของ workflow สำหรับ job นั้น ถ้าไม่ระบุ job จะใช้ขนาดเริ่มต้นของ workflow:

run_workflow_remotely.ipynb

print(my_workflow.sizes())  # {'S': '8x32', 'M': '16x128', 'L': '128x1500'}
print(my_workflow.get_default_size())  # 'M'

job = my_workflow.run(function_size="L", circuits=circuits)  # Runs on 128x1500
job = my_workflow.run(circuits=circuits)  # Runs on the default size, M

sizes() และ get_default_size() คืนขนาดที่เก็บไว้ ณ ตอนที่คุณโหลด workflow หากต้องการดูขนาดที่เปลี่ยนไปหลังจากโหลด workflow ให้โหลดใหม่อีกครั้ง

หากต้องการอ่านขนาดและ compute profile ของ job ให้เรียก get_function_size() และ get_compute_profile() ในโค้ด workflow ของคุณ:

source_files/my_workflow.py

from qiskit_serverless import get_compute_profile, get_function_size

print(get_function_size())  # 'L'
print(get_compute_profile())  # '128x1500'

แก้ปัญหาเรื่องขนาด

ปัญหา	สาเหตุ
การอัปโหลดล้มเหลวพร้อม Invalid size '...'. Valid sizes are: S, M, L, XL.	ป้ายกำกับใน sizes_map ไม่ใช่หนึ่งในสี่ป้ายกำกับที่รองรับ
การอัปโหลดล้มเหลวพร้อม Unknown compute profile '...' for size '...'.	ค่าใน sizes_map ไม่ใช่ profile ที่ใช้ได้ ตรวจสอบ ID ด้วย compute_profiles() หรือใช้ compute_profile() เพื่อค้นหา
compute_profile() ล้มเหลวพร้อม No compute profile matches ...	ไม่มี profile ที่มีทรัพยากรตรงกันเป๊ะ สำหรับ profile ที่มี GPU ให้ส่ง gpu ด้วย เลือก profile จากรายการในข้อความข้อผิดพลาด
การอัปโหลดล้มเหลวพร้อม 'default_size' is required when 'sizes' is provided.	การอัปโหลดครั้งแรกตั้ง sizes_map โดยไม่มี default_size
run() ล้มเหลวพร้อม Unknown function size '...' for this function. Available sizes: ...	workflow ไม่ได้กำหนดขนาดที่คุณส่งให้ function_size
run() ล้มเหลวพร้อม This function has no size.	การอัปโหลดซ้ำแทนที่ขนาดและลบค่าเริ่มต้นออก ให้อัปโหลดอีกครั้งพร้อม default_size หรือส่ง function_size