Lea el informe de The Forrester Wave: Machine learning y analítica predictiva multimodal, tercer trimestre de 2020

Puntos destacados de la característica

Rápida creación de prototipos y despliegue

Inicie proyectos de ciencia de datos en cualquier lugar con una agrupación de recursos de cálculo compartida. Reduzca los tiempos de entrenamiento y genere modelos de mayor calidad. Servicios de entrenamiento e inferencia de clase empresarial y escalables, con soporte de API para el despliegue interactivo, en modalidad continua y por lotes.

Arquitectura de información integral

Despliegue deep learning como parte de los servicios de datos e IA con soporte para las infraestructuras más populares. Agregue código abierto y herramientas de terceros en un entorno unificado y gobernado.

Gestión de infraestructuras contenerizadas

Ejecute modelos de machine learning y deep learning de forma nativa en Red Hat® OpenShift®. Despliegue modelos contenerizados dentro de un cortafuegos guardando los datos en local y manteniendo la portabilidad del cloud.

Soporte a modelos de gran tamaño y alta resolución

Aumente la cantidad de memoria disponible para los modelos de deep learning más allá del espacio de la GPU. Implemente modelos más complejos con imágenes de mayor tamaño y resolución.

Despliegue multiarrendatario

Asigne y comparta potencia computuacional ajustada a las demandas de los modelos en una arquitectura de multitenencia. Comparta de forma segura los recursos de cálculo entre los arrendatarios para maximizar el uso.

Escalado automático, autobúsqueda y equilibrio de carga

Habilite el escalado dinámico de recursos, hacia arriba o hacia abajo, en función de las políticas para garantizar que los trabajos de mayor prioridad se ejecuten rápidamente. Genere una visualización del entrenamiento en tiempo real y la supervisión de modelos de tiempo de ejecución. Automatice la búsqueda y la optimización de hiperparámetros para agilizar el desarrollo.

Gestión del ciclo de vida de la inteligencia artificial

Prepare, cree, ejecute y gestione los modelos de machine learning y deep learning. Ejecute en todo el ciclo de entrenamiento con más datos para mejorar el modelo de forma continua.

Validación y optimización del despliegue

Aumente la fiabilidad y la resiliencia para el despliegue de modelos con modelos de machine learning y deep learning precompilados y validados. Acelere el rendimiento con el software optimizado para ejecutarse en sistemas de destino.

IA explicable con supervisión de modelos

Gestione y supervise los modelos de deep learning desde un despliegue pequeño a uno de toda la empresa. Supervise la equidad y la explicabilidad de los modelos, además de mitigar la desviación y el riesgo de los modelos.

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 de GPU NVIDIA 440.33.01
  • NVIDIA NCCL2 2.5.6

Requisitos de hardware

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