Lea el informe The Forrester Wave: Multimodal Predictive Analytics and Machine Learning, tercer trimestre de 2020

Funciones destacadas

Creación de prototipos e implementación rápidos

Inicie nuevos proyectos de ciencia de datos en cualquier lugar gracias a una agrupación de recursos compartidos de computación. Reduzca los tiempos de entrenamiento y produzca modelos de mayor calidad. Obtenga servicios de entrenamiento e inferencia para toda su empresa de escalabilidad horizontal con soporte de API para la implementación por lotes, de streaming e interactiva.

Arquitectura de información de punta a punta

Implemente deep learning como parte de los datos y servicios de inteligencia artificial que opera con las infraestructuras más populares. Agregue código abierto y herramientas externas de terceros en un entorno unificado y gestionado.

Gestión de infraestructuras contenerizadas

Ejecute modelos de machine learning y deep learning de forma nativa en Red Hat® OpenShift®. Implemente modelos contenedorizados dentro de un firewall, manteniendo los datos a nivel local y su portabilidad en la nube.

Soporte para grandes modelos de alta resolución

Aumente la cantidad de memoria disponible para los modelos de deep learning, más allá de la huella de la GPU. Implemente modelos más complejos con imágenes más grandes y de alta resolución.

Implementación para varios inquilinos

Asigne y comparta privilegios de computación que se ajusten a las demandas del modelo en una arquitectura multiinquilino. Comparta de forma segura los recursos de computación entre los diferentes inquilinos para maximizar el uso.

Escalamiento y búsqueda automáticos, y equilibrio de carga

Permita el escalamiento dinámico de recursos, horizontal o vertical, según las políticas para garantizar que los trabajos con mayor prioridad se ejecuten rápidamente. Desarrolle una herramienta para visualizar el entrenamiento y supervisar el tiempo de ejecución del modelo en tiempo real. Automatice la búsqueda y la optimización de hiperparámetros para obtener un desarrollo más rápido.

Gestión del ciclo de vida de la inteligencia artificial

Prepare, cree, ejecute y gestione los modelos de machine learning y deep learning. Haga pruebas del entrenamiento con más datos para mejorar el modelo de forma continua.

Validación y optimización de la implementación

Aumente la confiabilidad y la resiliencia para implementar modelos con otros modelos de machine learning y deep learning, precompilados y validados. Aumente el rendimiento utilizando software optimizado para ejecutarse en sistemas específicos.

Inteligencia artificial explicable con supervisión de modelos

Gestione y supervise los modelos de deep learning, ya sea para una implementación menor o en toda la empresa. Supervise la distribución equitativa de modelos y su explicabilidad, a la vez que se pueden mitigar riesgos y desvíos.

Detalles técnicos

Requisitos de software

  • Red Hat Openshift 4.5
  • RHEL 7.7
  • Biblioteca CUDA Deep Neural Network (cuDNN) 7.6.5
  • NVIDIA CUDA 10.2
  • Controlador NVIDIA GPU 440.33.01
  • NVIDIA NCCL2 2.5.6

Requisitos de hardware

  • servidor x86 de 64 bits con GPU NVIDIA Tesla T4, P100 o V100