Veja o que a Forrester Wave diz: Multimodal Predictive Analytics and Machine Learning, segundo semestre de 2020

Destaques do recurso

Prototipagem e implementação rápidas

Inicie projetos de ciência de dados em qualquer lugar com um conjunto de recursos de computação compartilhado. Reduza os tempos de treinamento e produza modelos de qualidade superior. Serviços de escalabilidade horizontal e classificação corporativa para treinamento e inferência, com suporte de API para implementações em lote, de fluxo e interativas.

Arquitetura de informações de ponta a ponta

Implemente o deep learning como parte dos serviços de dados e IA, com o suporte para modelos populares. Agregue ferramentas de software livre e de terceiros em um ambiente unificado e governado.

Gerenciamento de infraestrutura conteinerizada

Execute os modelos de machine learning e deep learning de forma nativa no Red Hat® OpenShift®.Implemente modelos conteinerizados dentro de um firewall, mantendo os dados no local e a portabilidade de cloud.

Suporte de alta resolução para modelos grandes

Aumente a quantia de memória disponível para os modelos de deep learning para além do espaço da GPU. Implemente modelos mais complexos com imagens maiores e de resolução mais alta.

Implementação com diversos locatários

Aloque e compartilhe recursos de computação ajustados às demandas de modelos em uma arquitetura de diversos locatários. Compartilhe de forma segura seus recursos de computação entre os locatários a fim de maximizar o uso.

Ajuste automático de escala, procura automática e balanceamento de carga

Ative o ajuste dinâmico de escala de recursos, ampliando ou reduzindo a escala com base em políticas, a fim de garantir que as tarefas de prioridade mais alta sejam executadas rapidamente. Desenvolva uma visualização de treinamento em tempo real e um monitoramento de modelos de tempo de execução. Automatize a procura e a otimização de hiperparâmetros para obter um desenvolvimento mais rápido.

Gerenciamento de ciclo de vida de IA

Prepare, desenvolva, execute e gerencie os modelos de machine learning e deep learning. Realize a execução durante o ciclo de treinamento com mais dados para melhorar continuamente o modelo.

Validação e otimização de implementação

Aumente a confiabilidade e a resiliência de implementações de modelos de machine learning e deep learning previamente compilados e validados. Acelere o desempenho com um software otimizado para a execução em sistemas de destino.

IA explicável com monitoramento de modelos

Gerencie e monitore os modelos de deep learning, das implantações pequenas às de grande escala. Monitore a imparcialidade e a explicabilidade do modelo, reduzindo o desvio e o risco.

Detalhes 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
  • Driver de GPU NVIDIA 440.33.01
  • NVIDIA NCCL2 2.5.6

Requisitos de hardware

  • Servidor x86 de 64 bits com as GPUs NVIDIA Tesla T4, P100 ou V100