使用 NVIDIA DSX OS 配置、认证并运维 Kubernetes GPU 集群

NVIDIA 介绍如何用 NVIDIA DSX OS 在 Kubernetes GPU 集群全生命周期中配置、认证和运维。单个欠佳 GPU 可能拖慢整个分布式训练任务，且节点可能通过基础健康检查、利用率显示正常，问题往往在负载运行后才被发现；节点更换、驱动补丁等变化也会让通过交付就绪检查的集群随时出现问题。