AI ランタイムに接続する

Important

単一ノードタスクの AI ランタイムはパブリックプレビュー段階です。マルチ GPU ワークロード用の分散トレーニング API はベータ版のままです。

対話型ノートブック、SSH トンネル、スケジュールされたジョブ、ジョブ API、または宣言型オートメーションバンドルを介して IDE から AI ランタイムに接続します。ノートブックを AI ランタイムにアタッチすることは、トレーニングを実行してワークロードを微調整する主な方法であり、定期的なジョブと同じノートブックをスケジュールしたり、デプロイパイプラインで自動化したりできます。

対話型 (ノートブック)

これは、AI ランタイムを使用する主な方法です。ノートブックを接続して環境を構成するには:

ノートブックで、上部にあるコンピューティングドロップダウンメニューをクリックし、[ サーバーレス GPU] を選択します。
[ をクリックして、[ 環境 ] サイドパネルを開きます。
[アクセラレータ] フィールドから アクセラレータ を選択します。分散トレーニングワークロードの場合は、 8xH100 を選択します。アクセラレータの選択に関するガイダンスについては、「ハードウェアオプション」を参照してください。
Standard 環境の場合は Standard v5 または Standard v4、AI 環境の場合は AI v5 または AI v4 を [基本環境] フィールドから選択します。
[ 適用 ] をクリックし、ノートブック環境に AI ランタイムを適用することを確認します。

注

コンピューティングへの接続は、非アクティブ状態が 60 分続くと自動的に終了します。

ヒント

GPU を必要としない操作 (Git リポジトリの複製、データ形式の変換、探索的データ分析など) の場合は、GPU リソースを保持するためにノートブックを CPU クラスターにアタッチします。

IDE ターミナルからの接続

サーバーレス GPU コンピューティング上の AI ランタイムには、 SSH トンネルを介して IDE のターミナルから直接接続できます。

AI ランタイムに接続するには、IDE 内のターミナルから databricks ssh connect オプションを使用して --accelerator コマンドを実行します。別のセットアップ手順は必要ありません。コマンドの詳細については、コマンドグループssh参照してください。

databricks ssh connect --accelerator=GPU_1xA10

Visual Studio Codeまたは Cursor でセッションを接続して開始するには、--ide オプションを使用します。 CLI によって、ホームワークスペースフォルダーを指す IDE ウィンドウが開きます。

databricks ssh connect --ide=vscode

セットアップ、プロジェクトの開き方、コードの実行の詳細については、 SSH トンネルを使用した Databricks への接続に関するページを参照してください。

スケジュールされたジョブ

定期的なジョブとして AI ランタイムを使用するノートブックをスケジュールできます。詳細については、スケジュールされたノートブックジョブの作成と管理に関するページを参照してください。

使用するノートブックを開いた後:

右上にある [スケジュール ] ボタンを選択します。
[ スケジュールの追加] を選択します。
[ 新しいスケジュール ] フォームに ジョブ名、 スケジュール、 コンピューティングを設定します。
を選択してを作成します。

ジョブとパイプライン UI からジョブを作成 および スケジュールすることもできます。詳細なガイダンスについては、「新しいジョブを作成する」を参照してください。

注

[ 環境 ] パネルを使用した依存関係の追加は、AI ランタイムのスケジュールされたジョブではサポートされていません。依存関係は、ノートブック内にプログラムでインストールする必要があります (たとえば、 %pip install)。自動回復はサポートされていません。互換性のないパッケージが原因でジョブが失敗した場合は、手動で修正して再実行する必要があります。

7 日間の最大実行時間を超える可能性があるワークロードの場合は、再開できるように手動チェックポイント処理を実装します。 UCVolumeWriterからUCVolumeReaderおよびserverless_gpu.dataを介して Unity カタログボリュームを使用することをお勧めします。モデルのチェックポイント処理を参照してください。

Jobs API と宣言型オートメーションバンドル

Databricks Jobs API または宣言型オートメーションバンドルを使用して、AI ランタイムジョブをプログラムで作成および管理できます。デプロイパイプラインを自動化するために、ジョブまたはバンドル定義でコンピューティングの種類をサーバーレス GPU として構成します。

次の例は、 Standard 環境を使用した AI ランタイムジョブの宣言型オートメーションバンドルの構成を示しています。

resources:
  jobs:
    sample_job:
      name: sample_job_h100

      trigger:
        periodic:
          interval: 1
          unit: DAYS

      parameters:
        - name: catalog
          default: ${var.catalog}
        - name: schema
          default: ${var.schema}

      environments:
        - environment_key: default
          spec:
            environment_version: '4'

      tasks:
        - task_key: notebook_task
          notebook_task:
            notebook_path: /Workspace/Users/your_email/your_notebook
          environment_key: default
          compute:
            hardware_accelerator: GPU_8xH100

Standard 環境ではなく Databricks AI 環境を使用するには、環境base_environmentの AI 環境識別子 (AI v5 のdatabricks_ai_v5など) にspecを設定し、タスクのenvironment_keyから参照します。

Important

ワークスペースベース環境として Databricks AI 環境を選択することはベータ版であり、ワークスペース管理者がオプトインする必要があります。サーバーレス GPU コンピューティング (AI ランタイム) のビルドを参照してください。

resources:
  jobs:
    sample_job:
      name: sample_job_aiv5_h100

      trigger:
        periodic:
          interval: 1
          unit: DAYS

      parameters:
        - name: catalog
          default: ${var.catalog}
        - name: schema
          default: ${var.schema}

      environments:
        - environment_key: aiv5
          spec:
            base_environment: databricks_ai_v5

      tasks:
        - task_key: notebook_task
          notebook_task:
            notebook_path: /Workspace/Users/your_email/your_notebook
          environment_key: aiv5
          compute:
            hardware_accelerator: GPU_8xH100

フィードバック

このページはお役に立ちましたか?

Last updated on 2026-07-07