IBM Watson Machine Learning Accelerator：详细信息

使用共享计算资源池随时随地启动数据科学项目。缩短训练时间，产生更高质量的模型。通过对批处理、流式传输和交互式部署的 API 支持，横向扩展企业级训练和推理服务。

在支持流行框架的数据和 AI 服务中部署深度学习。在统一管理的环境中整合开源工具和第三方工具。

在 Red Hat® OpenShift® 中以本机方式运行机器学习和深度学习模型。在防火墙内部部署容器化模型，同时在本地保存数据并保持云可移植性。

增加可用于深度学习模型的内存量，超出 GPU 占用范围。使用更大规模、更高分辨率的图像实施更复杂的模型。

在多租户架构中分配和共享根据模型需求调整的计算能力。在租户之间安全共享计算资源，实现最大限度地使用。

根据确保更高优先级作业快速运行的策略，启用资源的动态扩展或收缩。实现实时训练可视化和运行时模型监控。自动进行超参数搜索和优化以加快开发速度。

准备、构建、运行和管理机器学习和深度学习模型。利用更多数据运行训练周期，不断改进模型。

通过预先编译且经过验证的机器学习和深度学习模型，提高模型部署的可靠性和灾备能力。利用在目标系统上优化运行的软件加速提升性能。

管理和监控从小型到企业级部署的深度学习模型。监控模型公平性和可解释性，同时减少模型漂移和风险。